高斯过程在非侵入式负荷监测中的挑战
信号处理
2022-11-24 v1 机器学习
摘要
非侵入式负荷监测（NILM）或能量分解旨在将家庭总能耗分解为各用电设备能耗。先前工作表明，提供能耗分解可帮助人们节省高达 15% 的能源。近年来，深度神经网络（deep NNs）在 NILM 领域取得了显著进展。在本文中，我们展示了高斯过程（GPs）用于 NILM 的性能。我们选择 GPs 主要出于三个原因：i) GPs 固有地对不确定性建模；ii) 无限神经网络与 GPs 之间的等价性；iii) 通过适当设计核函数，我们可以融入领域专业知识。我们探索并提出了将 GP 方法应用于 NILM 时所面临的挑战。
引用
@article{arxiv.2211.13018,
title = {Challenges in Gaussian Processes for Non Intrusive Load Monitoring},
author = {Aadesh Desai and Gautam Vashishtha and Zeel B Patel and Nipun Batra},
journal= {arXiv preprint arXiv:2211.13018},
year = {2022}
}
备注
Accepted at NeurIPS Workshop on Gaussian Processes, Spatiotemporal Modeling, and Decision-making Systems, 2023