基于Transformer注意力机制与时域池化的序列到序列模型用于非侵入式负荷监测
信号处理
2023-06-09 v1 计算机视觉与模式识别
机器学习
摘要
本文提出了一种基于Transformer注意力机制与时域池化的新型序列到序列(Seq2Seq)模型，用于智能建筑的非侵入式负荷监测(NILM)。本文旨在利用基于深度学习的方法提高NILM的精度。所提方法采用带有Transformer注意力机制的Seq2Seq模型来捕捉NILM数据的长期依赖关系。此外，使用时域池化通过捕捉电器的稳态与瞬态行为来提升模型精度。本文在公开可用数据集上评估了所提方法，并将结果与其他最先进的NILM技术进行比较。结果表明，所提方法在精度和计算效率方面均优于现有方法。
引用
@article{arxiv.2306.05012,
title = {Sequence-to-Sequence Model with Transformer-based Attention Mechanism and Temporal Pooling for Non-Intrusive Load Monitoring},
author = {Mohammad Irani Azad and Roozbeh Rajabi and Abouzar Estebsari},
journal= {arXiv preprint arXiv:2306.05012},
year = {2023}
}
备注
5 pages, EEEIC 2023 conference