< Terug naar vorige pagina

Project

Semi-supervised edge energy consumption anomalie detectie en classificatie

De onderzoeker zal energieverbruikmodellen vergelijken die gebaseerd zijn op model- en data gedreven benaderingen en ruisende runtime-statuswaarnemingen. Aangezien voorspelling in het algemeen moeilijker is moeilijker is dan het opsporen van anomalieën, (1) is een eerste doelstelling het bepalen van normale en abnormale energieverbruiksprofielen. Afwijkingen in het energieverbruik kunnen zijn hardwarestoringen, alsmede abnormale omstandigheden in de communicatieomgeving (zoals stoorzenders of signaalblokkers). (2) Een tweede doelstelling zal dan zijn om de anomalieën te labelen of te classificeren anomalieën te labelen of classificeren, eerst zonder toezicht en later met feedback van deskundigen. Feedback van deskundigen is mogelijk door het model te trainen om met interpreteerbare kenmerken te werken. (3) In een derde doelstelling, zullen de normale energieverbruiksprofielen worden gebruikt voor de voorspelling van het energieverbruik. Deze modellen zullen werken op de interpreteerbare kenmerken, zodat idealiter de afgeleide voorspellingsmodellen uitlegbaar zijn voor gebruikers en algoritmeontwerpers.

Datum:26 okt 2021 →  Heden
Trefwoorden:Edge energy consumption, Anomaly detection, Anomaly classification
Disciplines:Draadloze communicatie
Project type:PhD project