DAE模型(NILM的应用)

原创

已于 2023-03-16 19:29:57 修改 · 3k 阅读

·

9

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#深度学习 #机器学习

于 2023-03-03 20:51:33 首次发布

文章介绍了去噪自编码器(DenoisingAutoencoders,DAE)在能源分解任务中的应用，该任务旨在从其他电器的背景噪声中恢复目标电器的清洁电力需求信号。DAE模型包括1D卷积层和全连接层，通过训练优化参数以减小重建损失。针对窗口重叠导致的低估问题，文章提出了使用中值滤波来改进处理方法，以更准确地保留和重建信号。

一、DAE（Denoising Autoencoders)

去噪自编码器

将能量分解任务看作一个去噪任务，即试图从其他电器产生的背景“噪声”中恢复目标电器的“清洁”电力需求信号

自编码器首先将带有噪声的输入x^~映射到一个隐藏的代理层y：

其中x为目标电器的电力信号，x^~为总信号（带有噪声的信号），其余电器的电力信号被看作需要消除的噪声

在解码过程中，将之前获得的隐藏代理y映射回，在输入空间中重构一个d维向量z

$\large z=g_{\theta^{'} }(y)=s(W^{'}y+b^{'})$

LH（x，z）为重建

最低0.47元/天解锁文章

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。