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
학술대회자료
저자정보
최원준 (전남대학교) 이상원 (Dartwork) Max Langtry (University of Cambridge) Ruchi Choudhary (University of Cambridge)
저널정보
대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2024년도 하계학술발표대회 논문집
발행연도
2024.6
수록면
480 - 483 (4page)

이용수

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

초록· 키워드

오류제보하기
Data-driven artificial intelligence models for building energy demand forecasting are gaining popularity. However, the unique characteristics of each building make data acquisition for model development time-consuming. Transfer learning offers a solution to the data shortage problem, but its implementation is hindered by building data privacy concerns. The use of anonymized data can address these privacy issues. This study proposes a transfer learning framework that leverages anonymized building electricity usage data. By using an unsupervised contrastive learning encoder to measure similarity between source and target datasets, we identify source datasets beneficial for target forecasting. We then pretrain a deep learning model on selected datasets and fine-tune it with two months of target building data. Our results demonstrate that proposed model with transfer learning significantly outperforms the model trained solely on target building data.
#Energy demand forecasting(에너지수요예측) #Transfer learning(전이학습) #Anonymized data(익명화된 데이터) #Deep learning(심층학습) #Time series forecasting(시계열 예측)

목차

Abstract
1. 서론
2. 데이터 상세
3. 익명화된 데이터를 이용한 전이학습 프레임워크
4. 전이학습에 의한 성능 개선 비교
5. 결 론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092191242