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

Guardado en:
Detalles Bibliográficos
Autores principales: Cocconi, Diego Alejandro, Yuan, Rebeca, Mulassano, Micaela, Ferreyra, Diego M.
Formato: Documento de conferencia publisherVersion
Lenguaje:Español
Publicado: Editorial UNSJ, 2019 2022
Materias:
NILM
Consumo de energía
Ciclos de activación
Aprendizaje automático
Redes neuronales
Acceso en línea:http://hdl.handle.net/20.500.12272/7179
Aporte de:
RIA - Repositorio Institucional Abierto (UTN) de Universidad Tecnológica Nacional
id I68-R174-20.500.12272-7179
record_format dspace
institution Universidad Tecnológica Nacional
institution_str I-68
repository_str R-174
collection RIA - Repositorio Institucional Abierto (UTN)
language Español
topic NILM
Consumo de energía
Ciclos de activación
Aprendizaje automático
Redes neuronales
spellingShingle NILM
Consumo de energía
Ciclos de activación
Aprendizaje automático
Redes neuronales
Cocconi, Diego Alejandro
Yuan, Rebeca
Mulassano, Micaela
Ferreyra, Diego M.
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 NILM
Consumo de energía
Ciclos de activación
Aprendizaje automático
Redes neuronales
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 Documento de conferencia
publisherVersion
author Cocconi, Diego Alejandro
Yuan, Rebeca
Mulassano, Micaela
Ferreyra, Diego M.
author_facet Cocconi, Diego Alejandro
Yuan, Rebeca
Mulassano, Micaela
Ferreyra, Diego M.
author_sort Cocconi, Diego Alejandro
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
publisher Editorial UNSJ, 2019
publishDate 2022
url http://hdl.handle.net/20.500.12272/7179
work_keys_str_mv AT cocconidiegoalejandro aplicaciondeunaarquitecturaderedneuronalparaelmonitoreodecargapormetodosnoinvasivosnilmutilizandociclosdeactivaciondeartefactoselectricosenelentrenamiento
AT yuanrebeca aplicaciondeunaarquitecturaderedneuronalparaelmonitoreodecargapormetodosnoinvasivosnilmutilizandociclosdeactivaciondeartefactoselectricosenelentrenamiento
AT mulassanomicaela aplicaciondeunaarquitecturaderedneuronalparaelmonitoreodecargapormetodosnoinvasivosnilmutilizandociclosdeactivaciondeartefactoselectricosenelentrenamiento
AT ferreyradiegom aplicaciondeunaarquitecturaderedneuronalparaelmonitoreodecargapormetodosnoinvasivosnilmutilizandociclosdeactivaciondeartefactoselectricosenelentrenamiento
bdutipo_str Repositorios
_version_ 1764820553656434688

Ejemplares similares