文献

J-GLOBAL ID：201802260370655947   整理番号：18A0849265

建物エネルギー管理のための適応学習ベース時系列予測フレームワーク【JST・京大機械翻訳】

Adaptive learning-based time series prediction framework for building energy management

著者 (3件)： Schachinger Daniel (Institute of Computer Aided Automation, TU Wien, Vienna, Austria) ,  Pannosch Jurgen (Institute of Computer Aided Automation, TU Wien, Vienna, Austria) ,  Kastner Wolfgang (Institute of Computer Aided Automation, TU Wien, Vienna, Austria)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IESES  ページ： 453-458  発行年： 2018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： グローバルエネルギー需要を低減するためには,持続可能な建物エネルギー管理が不可欠である。この目的のために,建築エネルギー管理システムは,建物自動化システム,エネルギー生産ユニット,あるいは熱力学の期待される挙動を知る必要がある。ドメイン専門家による基礎モデルの設計は複雑で高価なタスクである。しかし,モデルは既に利用可能な監視データの成長量に固有である。そこで,本研究では,建築エネルギー管理における快適性満足度と資源効率をサポートするために,関連する時系列の予測のための学習ベースのモデリングを利用するフレームワークを提案した。一組のニューラルネットワークを生成し,監視データを用いて訓練し,オントロジーにおいてモデル化したコンテキスト情報を構築した。自律的で構築に依存しないアプリケーションは,ニューラルネットワークの連続的な性能評価と条件付き適応によって達成される。評価は典型的な結果を示し,主要な知見を議論する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 応用プログラム ,  性能評価 ,  オントロジー ,  モデリング ,  ニューラルネットワーク ,  *学習 ,  エネルギー需要 ,  快適性
準シソーラス用語： コンテキスト情報 ,  資源効率 ,  エネルギー生産 ,  自動化システム ,  エネルギー管理システム ,  *時系列予測 ,  *適応学習 , 【Automatic Indexing@JST】

分類 (5件)： 物的流通  (KA08000O) ,  事務・経営情報処理  (JE15020F) ,  ロボットの運動・制御  (IC04012J) ,  生産工学一般  (KB01000U) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 建物エネルギー ,  適応学習 ,  時系列予測 ,  フレームワーク