magistrsko delo
Matic Pintarič (Avtor), Sašo Karakatič (Mentor)

Povzetek

V magistrskem delu raziskujemo smiselnost pretvorbe električne porabe hišnih naprav v večdimenzionalno vektorsko predstavitev za uporabo pri nadaljnjih raziskavah na področju analiziranja električne energije s tehnikami obdelave naravnega jezika. Slednje storimo s pomočjo postopka vdelave besed, ki ga izvedemo z umetno inteligenčnima tehnikama za obdelavo naravnega jezika Word2Vec in Doc2Vec. V empiričnem delu predlagamo metodo pretvorbe električne porabe v znakovne kategorije, pridobljene vektorje pa nadaljnje analiziramo s pomočjo treh tehnik strojnega učenja. Podrobneje se osredotočimo na iskanje električnih naprav s podobnimi vzorci porabe, določanje tipa električne naprave in napovedovanje porabe električne naprave. Raziskovanje zaključimo z odgovori na zastavljena raziskovalna vprašanja in potrditvijo pripadajočih hipotez ter glavne teze z dejstvom, da vektorizirana poraba električnih naprav zajame specifične vzorce porabe.

Ključne besede

električna energija;vdelava besed;algoritem Word2Vec;algoritem Doc2Vec;strojno učenje;magistrske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [M. Pintarič]
UDK: 004.65+004.6.057.6(043.2)
COBISS: 98515971 Povezava se bo odprla v novem oknu
Št. ogledov: 172
Št. prenosov: 31
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Machine learning-supported analysis of vectorized electricity consumption patterns
Sekundarni povzetek: In the master's thesis we investigate the feasibility of converting the electrical consumption of household appliances into a multidimensional vector representation for use in further research in the field of electricity analysis with natural language processing techniques. The latter is done with the help of the word embedding process, which is performed with artificially intelligent techniques for processing the natural language Word2Vec and Doc2Vec. In the empirical part, we propose a method of converting electrical consumption into character categories, and the obtained vectors are further analyzed with the help of three machine learning techniques. We focus in more detail on finding electrical devices with similar consumption patterns, determining the type of electrical device, and forecasting the consumption of an electrical device. We conclude the research with answers to the research questions and confirmation of the associated hypotheses and the main thesis with the fact that the vectorized consumption of electrical devices captures specific consumption patterns.
Sekundarne ključne besede: electricity;word embedding;Word2Vec;Doc2Vec;machine learning;
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Informatika in tehnologije komuniciranja
Strani: 1 spletni vir (1 datoteka PDF (XV, 107 f.))
ID: 14126424