Artigo em revista científica Q2
A microservice-based framework for exploring data selection for cross-building knowledge transfer
Mouna Labiadh (Labiadh, M.); Christian Obrecht (Obrecht, C.); Catarina Ferreira da Silva (Ferreira da Silva, C.); Parisa Ghodous (Ghodous, P.);
Título Revista
Service Oriented Computing and Applications
Ano (publicação definitiva)
2021
Língua
Inglês
País
Reino Unido
Mais Informação
Web of Science®

N.º de citações: 2

(Última verificação: 2024-03-28 06:38)

Ver o registo na Web of Science®

Scopus

N.º de citações: 2

(Última verificação: 2024-03-28 05:06)

Ver o registo na Scopus


: 0.4
Google Scholar

N.º de citações: 4

(Última verificação: 2024-03-26 00:23)

Ver o registo no Google Scholar

Abstract/Resumo
Supervised deep learning has achieved remarkable success in various applications. Successful machine learning application however depends on the availability of sufficiently large amount of data. In the absence of data from the target domain, representative data collection from multiple sources is often needed. However, a model trained on existing multi-source data might generalize poorly on the unseen target domain. This problem is referred to as domain shift. In this paper, we explore the suitability of multi-source training data selection to tackle the domain shift challenge in the context of domain generalization. We also propose a microservice-oriented methodology for supporting this solution. We perform our experimental study on the use case of building energy consumption prediction. Experimental results suggest that minimal building description is capable of improving cross-building generalization performances when used to select energy consumption data.
Agradecimentos/Acknowledgements
--
Palavras-chave
Data selection,Domain generalization,Knowledge transfer,Data-driven modeling,Energy consumption modeling
  • Ciências da Computação e da Informação - Ciências Naturais
  • Outras Engenharias e Tecnologias - Engenharia e Tecnologia
Registos de financiamentos
Referência de financiamento Entidade Financiadora
UIDB/04466/2020 Fundação para a Ciência e a Tecnologia

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.