Publicação em atas de evento científico
On the suitability of 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.);
The 17th International Conference on High Performance Computing Simulation (HPCS 2019), The 3rd Special Session on High Performance Services Computing and Internet Technologies (SerCo 2019)
Ano (publicação definitiva)
2019
Língua
Inglês
País
Irlanda
Mais Informação
Web of Science®

Esta publicação não está indexada na Web of Science®

Scopus

N.º de citações: 0

(Última verificação: 2024-12-16 12:31)

Ver o registo na Scopus

Google Scholar

N.º de citações: 0

(Última verificação: 2024-12-17 13:36)

Ver o registo no Google Scholar

Abstract/Resumo
Supervised deep learning has achieved remarkable success in various applications. Such advances were mainly attributed to the rise of computational powers and the amounts of training data made available. Therefore, accurate large-scale data collection services are often needed. One representative data is retrieved, it becomes possible to train the supervised machine learning predictor. However, a model trained on existing data, which generally comes from multiple datasets, might generalize poorly on the unseen target data. This problem is referred to as a domain shift. In this paper, we explore the suitability of data selection to tackle the domain shift challenge in the context of domain generalization. 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 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
  • Engenharia Eletrotécnica, Eletrónica e Informática - Engenharia e 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.