Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Learning from Power: Machine Learning on Electrical Signals
Übersetzter Titel:
Von Energie lernen: maschinelles Lernen auf elektrischen Signalen
Autor:
Jorde, Daniel Rene
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Jacobsen, Hans-Arno (Prof. Dr.)
Gutachter:
Jacobsen, Hans-Arno (Prof. Dr.); Horsch, Alexander (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
WIR 523
Kurzfassung:
Non-intrusive load monitoring (NILM) techniques deliver various insights from electrical signals, such as the condition of electrical components, without attaching sensors to each device. This thesis contributes new algorithms and data to the stages of the NILM analysis pipeline, in particular, to event detection and appliance identification.
Übersetzte Kurzfassung:
Non-intrusive load monitoring (NILM) Techniken liefern verschiedene Erkenntnisse aus elektrischen Signalen, wie die Zustände von elektrischen Komponenten, ohne Sensoren an jedem Gerät anzubringen. Diese Arbeit trägt neue Algorithmen und Daten zu den Schritten der NILM Analysepipeline bei, besonders zur Eventerkennung und Geräteidentifikation.
WWW:
https://mediatum.ub.tum.de/?id=1576951
Eingereicht am:
29.10.2020
Mündliche Prüfung:
26.04.2021
Dateigröße:
7738772 bytes
Seiten:
111
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210426-1576951-1-2
Letzte Änderung:
21.06.2021
 BibTeX