文献

J-GLOBAL ID：201802246180986591   整理番号：18A0519661

スマートメータの使用による機械学習ベース占有率検出【Powered by NICT】

Machine Learning Based Occupancy Detection via the Use of Smart Meters

著者 (7件)： Vafeiadis T. ,  Zikos S. ,  Stavropoulos G. ,  Ioannidis D. ,  Krinidis S. ,  Tzovaras D. ,  Moustakas K.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCSIC  ページ： 6-12  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,家庭環境における占有検出の困難な問題は,電気と水消費スマートメータから収集した情報に基づいて研究した。ブースティングバージョンと共に,最も一般的な機械学習技術は訓練のためのグランドトルースとしてドア対センサの測定を用いた占有率検出に利用されている。電力と水消費特徴から得られた情報を評価し,データセットスパース性を低減するために,分類技術の性能を維持しながら,特徴抽出法として用いられている相互情報。機械学習技術の最も効率的なパラメータの組合せを決定するために,著者らは,各方法のための,広い範囲のパラメータに対して一連のモンテカルロシミュレーションを行った。筆者らのシミュレーション結果は,ランダムフォレスト学習技術80%強上回り精度とF測定ほぼ84%と他の分類の技法と比較して,それぞれの優位性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 電力 ,  センサ ,  *機械学習 ,  特徴抽出 ,  *学習 ,  *占有率 ,  シミュレーション
準シソーラス用語： ランダムフォレスト ,  モンテカルロシミュレーション ,  スパース性 ,  グランドトゥルース ,  機械学習技術 ,  家庭環境 ,  *スマートメータ , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (3件)： スマートメータ ,  機械学習 ,  占有率