一种基于微服务的框架用于探索跨建筑知识迁移中的数据选择
机器学习
2021-02-26 v1 数据库
信息检索
摘要
监督式深度学习已在各种应用中取得了显著成功。然而，成功的机器学习应用依赖于足够大量数据的可用性。在缺乏来自目标领域的数据时，通常需要从多个来源收集代表性数据。然而，在现有多源数据上训练的模型可能在未见过目标领域上泛化不佳。该问题被称为域偏移。在本文中，我们探索了多源训练数据选择在域泛化背景下应对域偏移挑战的适用性。我们还提出了一种面向微服务的方法来支持该解决方案。我们在建筑能耗预测这一用例上进行了实验研究。实验结果表明，当用于选择能耗数据时，最简建筑描述能够改善跨建筑泛化性能。
引用
@article{arxiv.2102.12970,
title = {A microservice-based framework for exploring data selection in cross-building knowledge transfer},
author = {Mouna Labiadh and Christian Obrecht and Catarina Ferreira da Silva and Parisa Ghodous},
journal= {arXiv preprint arXiv:2102.12970},
year = {2021}
}
备注
Service Oriented Computing and Applications, Springer, 2020