Aplicación de una arquitectura de red neuronal para el monitoreo de carga por métodos no invasivos (NILM) utilizando ciclos de activación de artefactos eléctricos en el entrenamiento

Mostrar todas las versiones(2)

Con el objetivo de lograr identificar artefactos eléctricos utilizando redes neuronales a partir de una medida total de consumo de energía (técnica conocida como NILM, del inglés Non-Intrusive Load Monitoring), en el presente trabajo se plantea la evaluación de dos tipos de redes neuronales capaces...

Descripción completa

Detalles Bibliográficos
Autores principales: Cocconi, Diego, Yuan, Rebeca, Mulassano, Micaela, Ferreyra, Diego
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2019
Materias:
Ciencias Informáticas
Neural nets
NILM
Consumo de Energía
ciclos de activación
aprendizaje automático
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/76969
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-76969
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Neural nets
NILM
Consumo de Energía
ciclos de activación
aprendizaje automático
spellingShingle Ciencias Informáticas
Neural nets
NILM
Consumo de Energía
ciclos de activación
aprendizaje automático
Cocconi, Diego
Yuan, Rebeca
Mulassano, Micaela
Ferreyra, Diego
Aplicación de una arquitectura de red neuronal para el monitoreo de carga por métodos no invasivos (NILM) utilizando ciclos de activación de artefactos eléctricos en el entrenamiento
topic_facet Ciencias Informáticas
Neural nets
NILM
Consumo de Energía
ciclos de activación
aprendizaje automático
description Con el objetivo de lograr identificar artefactos eléctricos utilizando redes neuronales a partir de una medida total de consumo de energía (técnica conocida como NILM, del inglés Non-Intrusive Load Monitoring), en el presente trabajo se plantea la evaluación de dos tipos de redes neuronales capaces de realizar tal tarea, contando como ejemplos de entrenamiento válidos para el aprendizaje con ciclos de activación de diferentes artefactos que ya fueron identificados por un algoritmo de detención desarrollado en trabajos anteriores.
format Objeto de conferencia
Objeto de conferencia
author Cocconi, Diego
Yuan, Rebeca
Mulassano, Micaela
Ferreyra, Diego
author_facet Cocconi, Diego
Yuan, Rebeca
Mulassano, Micaela
Ferreyra, Diego
author_sort Cocconi, Diego
title Aplicación de una arquitectura de red neuronal para el monitoreo de carga por métodos no invasivos (NILM) utilizando ciclos de activación de artefactos eléctricos en el entrenamiento
title_short Aplicación de una arquitectura de red neuronal para el monitoreo de carga por métodos no invasivos (NILM) utilizando ciclos de activación de artefactos eléctricos en el entrenamiento
title_full Aplicación de una arquitectura de red neuronal para el monitoreo de carga por métodos no invasivos (NILM) utilizando ciclos de activación de artefactos eléctricos en el entrenamiento
title_fullStr Aplicación de una arquitectura de red neuronal para el monitoreo de carga por métodos no invasivos (NILM) utilizando ciclos de activación de artefactos eléctricos en el entrenamiento
title_full_unstemmed Aplicación de una arquitectura de red neuronal para el monitoreo de carga por métodos no invasivos (NILM) utilizando ciclos de activación de artefactos eléctricos en el entrenamiento
title_sort aplicación de una arquitectura de red neuronal para el monitoreo de carga por métodos no invasivos (nilm) utilizando ciclos de activación de artefactos eléctricos en el entrenamiento
publishDate 2019
url http://sedici.unlp.edu.ar/handle/10915/76969
work_keys_str_mv AT cocconidiego aplicaciondeunaarquitecturaderedneuronalparaelmonitoreodecargapormetodosnoinvasivosnilmutilizandociclosdeactivaciondeartefactoselectricosenelentrenamiento
AT yuanrebeca aplicaciondeunaarquitecturaderedneuronalparaelmonitoreodecargapormetodosnoinvasivosnilmutilizandociclosdeactivaciondeartefactoselectricosenelentrenamiento
AT mulassanomicaela aplicaciondeunaarquitecturaderedneuronalparaelmonitoreodecargapormetodosnoinvasivosnilmutilizandociclosdeactivaciondeartefactoselectricosenelentrenamiento
AT ferreyradiego aplicaciondeunaarquitecturaderedneuronalparaelmonitoreodecargapormetodosnoinvasivosnilmutilizandociclosdeactivaciondeartefactoselectricosenelentrenamiento
bdutipo_str Repositorios
_version_ 1764820484870897664

Ejemplares similares