文献

J-GLOBAL ID：202202244187147700   整理番号：22A0963942

スマートホーム機器監視と分類のための深層学習アプローチ【JST・京大機械翻訳】

Deep Learning Approach for Smart Home Appliances Monitoring and Classification

著者 (5件)： Ramesh Jayroop (Computer Science and Engineering, American University of Sharjah,Sharjah,United Arab Emirates) ,  Al-Ali A. R. (Computer Science and Engineering, American University of Sharjah,Sharjah,United Arab Emirates) ,  Al Nabulsi Ahmad (Computer Science and Engineering, American University of Sharjah,Sharjah,United Arab Emirates) ,  Osman Ahmed (Electrical Engineering, American University of Sharjah,Sharjah,United Arab Emirates) ,  Shaaban Mostafa (Electrical Engineering, American University of Sharjah,Sharjah,United Arab Emirates)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCE  ページ： 1-5  発行年： 2022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： スマートグリッドとスマートホームの採用のグローバル上昇により,家庭の負荷プロファイルを効率的に監視し管理するアプローチを見つける必要がある。相互運用中の集約負荷プロファイルを考察し,そこでは,理論的根拠が,消費者行動の制約なしに,機器分類を実行することができる比較的ロバストで適応可能な深層学習法を提供することである。著者らは,強化リアルタイム単一センサ家電器分類とモニタリングシステムレバーグ畳込みニューラルネットワークと移動学習を提案した。スマートメータから得られた実時間情報は,複数の同時アクティブホーム機器を分類する事前訓練学習モデルに入力される。VGG16,ResNet50,およびIncepV3の畳み込みニューラルネットワークアーキテクチャを,V-I軌道,スペクトログラム,連続ウェーブレット変換,およびFryze分解活性成分の画像特徴を有する転送学習パラダイムによって個々に訓練した。この手法はエンドツーエンド学習を効果的に実現し,同定プロセスの前に負荷を解消する必要性を緩和する。実験結果は,移動学習の利用が,集約負荷のマルチラベル分類性能を改善することを示唆した。このモデルは,モバイルアプリケーションを通して消費者にアクセスでき,スマートメータデータとのインタフェイスに使用され,その後の機器利用の洞察を提供する。これは,先進計量インフラストラクチャ(AMI)の文脈における高周波同時負荷分類を画像処理するために使用される事前訓練深層学習ネットワークに対する最初の研究の一つである。Copyright 2022 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： 畳込み ,  *学習 ,  消費者 ,  消費者行動 ,  ネットワーク ,  画像処理 ,  画像特性 ,  エンドツーエンド方式 ,  インフラストラクチャー ,  ロバスト性 ,  スマートグリッド
準シソーラス用語： スペクトログラム ,  スマートメータ ,  *スマートホーム ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： スマートホーム ,  分類 ,  深層学習