| Περίληψη: | Τα βαθιά νευρωνικά δίκτυα θεωρούνται ο κεντρικός άξονας της έρευνητικης περιοχής της τεχνητής νοημοσύνης στην σύγχρονη εποχή. Η έκρηξη του μεγέθους της πληροφορίας που παράγεται τα τελευταία χρόνια έχει οδηγήσει στην ανάπτυξη ισχυρών μοντέλων βαθιάς μάθησης, τα οποία βρίσκουν συμπεράσματα σε τεράστια σύνολα δεδομένων που βοηθούν στην κατανόηση προβλημάτων και στην επίλυσή τους. Από την άλλη πλευρά, η ραγδαία ανάπτυξη υλικού και ηλεκτρονικής έχει οδηγήσει στην κατασκευή προσιτών IoT συσκευών συλλογής δεδομένων καθημερινής χρήσης. Μία τέτοια έξυπνη συσκευή είναι ο ηλεκτρικός μετρητής που τοποθετείται στον κεντρικό πίνακα ενός νοικοκυριού και συλλέγει δεδομένα ηλεκτρικής ενέργειας. ΄Ενα μοντέρνο ζήτημα που προκύπτει στην κατανάλωση ηλεκτρικού ρεύματος, είναι ο διαχωρισμός της συνολικής ηλεκτρικής ενέργειας σε καταστάσεις που δείχνουν την κατανάλωση μεμονομένων συσκευών ενός νοικοκυριού. ΄Ετσι με την χρήση βαθιών μοντέλων
νευρωνικών δικτύων και με τα δεδομένα που συλλέγονται από τους έξυπνους μετρητές επιτυγχάνεται η επίβλεψη της κατανάλωσης σε κάθε μεμονωμένη συσκευή από την συνολική κατανάλωση ηλεκτρικής ενέργειας, η οποία οδηγεί στην εξοικονόμηση ενέργειας και την φιλική στάση προς το περιβάλλον. Σκοπός λοιπόν της εργασίας είναι η ανάπτυξη μοντέλων βαθιάς μάθησης που πραγματοποιούν των διαχωρισμό ηλεκτρικής ενέργειας σε πραγματικά δεδομένα, που συλλέχθηκαν από έξυπνους μετρητές της εταιρείας MEAZON S.A., με την τεχνική της παλινδρόμησης.
|
|---|
