최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기정보처리학회논문지. KIPS transactions on computer and communication systems 컴퓨터 및 통신 시스템, v.8 no.4, 2019년, pp.87 - 92
성종훈 ((주)에스더블유엠 부설연구소) , 조영식 ((주)AMEP 기술연구소)
This paper describes the pattern analysis for data of the factory energy consumption by using machine learning method. While usual statistical methods or approaches require specific equations to represent the physical characteristics of the plant, machine learning based approach uses historical data...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
군집분석은 무엇을 의미하는가? | 군집화(Clustering) 혹은 군집분석(Cluster analysis)는 비지도학습의 한 방법으로서, 데이터 분포들 중에서 유사하다고 판단되는 값들끼리 묶어 몇 가지 군집으로 나누는 작업을 의미한다. 군집분석을 통해서 에너지 소비 패턴과 공장 내의 장비 및 시설들의 사용 특성을 알 수 있다. | |
머신러닝의 장점은 무엇인가? | 한편 GPU 등의 하드웨어 기술 고도화와 더불어 머신러닝에 대한 연구가 활발해졌다. 머신러닝은 사람이 찾아내기 어려운 수많은 데이터들 간의 패턴 및 관계를 찾아내는 데 용이하다는 것이 장점이며, 다양한 분야에 적용되고 있다. 최근에는 머신러닝 기법을 에너지 효율 분야에 적용하려는 연구 또한 진행되고 있으며, 실제로 이러한 건물 운용 과정에서 발생하는 에너지를 효율적으로 관리하기 위해 건물에너지관리시스템(Building Energy Management System)의 도입이 아직은 미비하지만 시범적으로 적용되는 등, 점차 늘어가고 있다[8]. | |
동적 시간 굽힘이 시간 값 외에 주변의 다른 값과도 비교하는 이유는 무엇인가? | 그러나 시계열 데이터는 거의 동일한 양상을 갖는 데이터가 시간만 옆으로 shift 되는 경우도 많기 때문에 단순 y 축값들의 차이로 계산하는 것은 적절하지 않을 수 있다. 실제로 시계열 데이터 간의 유사도를 측정할 때에도 단순히 동일한 시간에서의 데이터 간 차이로 계산하게 되는 경우 적절한 결과를 얻지 못하는 경우가 많다. |
Il-Su Seol, Sun-Woong Kim, and Dong-You Choi, "A Study of the Current Status of Domestic Building Energy Management System and the Correct way for Improvement," Proceedings of KIIT Summer Conference, 2015.
Ji-Young Eum, Soo-Hwan Choi, Si-Sam Park, and Yong-Ki Kim, "Development of Mathmatical Model for the Energy Demand Pattern Analysis of City Buildings," The Korean Institute of Electical Engineers, 2015.
Ki-Ho Kim and Bae Kim, "Sustainable Developement for the City : City Design Initiatives through Greenways," Asia Design Journal, Vol.5, pp.136-165, 2010.
L.P. Lombard, J. Ortiz, and C. Pout, "A review on buildings energy consumption information," Energy and Buildings, Vol.40, pp.394-398, 2008.
K. Amarasingle, D. Wijayasekara, H. Carey, M. Manic, D. He, and W. Chen, "Artificial Neural Networks based Thermal Energy Storage Control for Buildings," Proc. 41st Annual Conference of the IEEE Industrial Electronics Society, IEEE IECON 2015, Yokohama, Japan, Nov.09-12, 2015.
D. Wijayasekara and M. Manic, "Data-Fusion for Increasing Temporal Resoultion of Building Energy Management System Data," Proc. 41st Annual Conference of the IEEE Industrial Electronics Society, IEEE IECON 2015, Yokohama, Japan, Nov. 09-12, 2015.
Tae-Won Lee, Yong-Ki Kim, and Jae-Sang Seo, "The Major Functions and Using Method of the Building & Energy Management and Information System(BEMIS)," The Society of Air-Conditioning and Refrigerating Engineers of Korea, 2012.
Hyeun Jun Moon, Sung Kwon Jung, and Seung Ho Ryu, "Building Cooling and Heating Energy Consumption Pattern Analysis Based on Building Energy Management System (BEMS) Data Using Machine Learning Techniques," The Society of Air-Conditioning And Refrigerating Engineers of Korea, 2015.
M. Steinbach, G. Karypis, and V. Kumar, "A comparison of document clustering techniques," KDD workshop on text mining, 2000.
Xiaoyue Wang, Abdullah Mueen, Hui Ding, Goce Trajcevski, Peter Scheuermann, and Eamonn Keogh, "Experimental comparison of representation methods and distance measures for time series data," Data in, Knowl, 2013.
J Paparrizos and L Gravano, "Fast and accurate time-series clustering," ACMTranscations on Database System, vol. 42, 2017.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.