用于非侵入式负荷监测的多标签受限玻尔兹曼机
机器学习
2019-10-21 v1 神经与进化计算
信号处理
机器学习
摘要
人口增长意味着住宅部门的能源需求需要得到管理。先前的研究表明，如果向用户提供电器级反馈，他们往往会显著减少能源消耗。这一观察使得负荷监测在当今精通技术的世界中更具相关性。大多数先前提出的方案声称在无侵入的情况下执行负荷监测，但它们并非完全非侵入式。这些方法需要电器级历史数据来训练每个设备的模型。这些数据是通过在家中每个电器上放置传感器收集的，从而对建筑造成侵入。一些近期研究提出，如果将非侵入式负荷监测（NILM）构建为多标签分类问题，则可避免对电器级数据的需求。在本文中，我们提出用于 NILM 的多标签受限玻尔兹曼机（ML-RBM），并报告了所提出技术与最先进技术的实验评估。
引用
@article{arxiv.1910.08149,
title = {Multi Label Restricted Boltzmann Machine for Non-Intrusive Load Monitoring},
author = {Sagar Verma and Shikha Singh and Angshul Majumdar},
journal= {arXiv preprint arXiv:1910.08149},
year = {2019}
}
备注
5 pages, ICASSP2019