qq_26877595的博客

论文代码地址：https://github.com/JackKelly/neuralnilm摘要：能源分解通过单个仪表估算设备的电力消耗，该仪表测量整个家庭的电力需求。最近，深度神经网络工作在相邻机器学习领域（例如图像分类和自动语音识别）中的分类性能方面取得了显着的改进。在本文中，我们将三种深度神经网络结构应用于能量分解：1）一种称为“长期短期记忆”（LSTM）的递归神经网络; 2）...

论文代码：https://github.com/MingjunZhong/NeuralNetNilm摘要：深度神经网络已被证明是解决这些问题的有前景的方法，但是滑动窗口对于处理信号处理问题中出现的长序列是必要的，这引发了关于如何组合来自不同滑动窗口的预测的问题。 在本文中，我们提出了序列到点学习，其中输入是主电源的窗口，输出是目标设备的单个点。 我们使用卷积神经网络来训练模型。 有趣的是，...

论文代码地址：https://github.com/OdysseasKr/neural-disaggregator文献：Zhang等人网络使用聚合数据窗口来预测同一设备消耗窗口的中点值。 输入窗口的大小为600个样本，转换为1小时的数据（6秒采样周期）。 他们将这种技术命名为Sequence-to-Point，因为它使用一系列电源功耗来推断仪表消耗点。Zhang等人将他们的seq2po...

摘要 - 非侵入式负载监控（NILM）是一种仅从家庭中记录的主电源恢复源设备的技术。 NILM无法识别，因此是一个挑战问题，因为仅给出主电源的设备的推断功率值不可能是唯一的。为了缓解不可识别的问题，已经提出了将领域知识结合到NILM中的各种方法，并且在实验上有效地显示了这些方法。最近，在这些方法中，深度神经网络显示出最佳性能。可以说，最近提出的序列到点（seq2point）学习对于NILM是有...