메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Gwangseon Jang (Korea Institute of Science and Technology Information(KISTI)) Myeong-Ha Hwang (Digital Solution Laboratory, Korea Electric Power Research Institute)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제70권 제12호
발행연도
2021.12
수록면
1,914 - 1,923 (10page)
DOI
10.5370/KIEE.2021.70.12.1914

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
As Artificial Intelligence (AI) shows excellent performances, electric power industry also applies AI to various fields. Even though a lot of data and infrastructures for data analysis are prepared, AI experts in the industry are insufficient. Automated machine learning can be a solution in the industry to apply the excellence of AI to many fields despite the shortage of professionals. Recently, several automated machine learning services have shown good performances on general purpose. However, due to the specificity of data, they does not perform well in the electric power industry. Therefore, we develop an automated machine learning pipeline system based on beam search especially for electric power industry. The proposed system is applied to three real-word problems, one for each of regression, classification, and text classification. The significance of our work is first to apply automated machine learning to electric power industry with high performance. The performances of the models to predict hourly peak power demand and to detect illegal use of electricity for Bitcoin mining are improved by 3.42% and 3.23% respectively compared to the existing models. Moreover, our work shows 95.23% accuracy in classification of the questions’ indents of chatbot, which gives the possibility to replace the existing model.
#Automated machine learning #AutoML #Beam search #Electric power industry

목차

Abstract
1. Introduction
2. Related Work
3. The Proposed System
4. Experiments and Results
5. Conclusion
References

참고문헌 (35)

참고문헌 신청
J. Redmon / 2016 / You only look once: Unified real-time object detection / Proceedings of the IEEE conference on computer vision and pattern recognition google schola K, He / 2017 / Mask r-cnn / Proceedings of the IEEE international conference on computer vision google schola Automated machine learning with azureml google schola Data Robot / DataRobot google schola H2o.ai automl github google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

머신러닝 해석 기법을 이용한 전력 수요 예측 모델 해석
이용건 ,  오재영 ,  김기백 전기학회논문지 2020 .03
LSTM 기반의 단계적 분해 방법을 이용한 단기 전력 사용량 예측
노윤지 ,  민대기 경영과학 2020 .03

최근 본 자료

전체보기

댓글(0)

0