تفکیک بار غیر نفوذی براساس شبکه عمیق کانولوشنی
تفکیک بار غیر نفوذی براساس شبکه عمیق کانولوشنی
تفکیک بار غیر نفوذی براساس شبکه عمیق کانولوشنی
نوع: Type: پایان نامه
مقطع: Segment: کارشناسی ارشد
عنوان: Title: تفکیک بار غیر نفوذی براساس شبکه عمیق کانولوشنی
ارائه دهنده: Provider: علی دانایی فرد
اساتید راهنما: Supervisors: دکترعلیرضا حاتمی
اساتید مشاور: Advisory Professors:
اساتید ممتحن یا داور: Examining professors or referees: دکتر محمدحسن مرادی - دکتر محمدمهدی شهبازی
زمان و تاریخ ارائه: Time and date of presentation: تاریخ دفاع 19/11/99
مکان ارائه: Place of presentation:
چکیده: Abstract: در سالهای اخیر ، مصرف انرژی مشترکین مسکونی به سطح بسیار بالایی افزایش یافته است. به دلیل افزایش استفاده از مصرف انرژی ، نیاز مبرم به یافتن راهی برای مدیریت مصرف انرژی مورد توجه قرار گرفته است. یکی از دلایل اصلی عدم مدیریت مصرف انرژی این است که مشترکین اطلاعات چندانی از انرژی مصرف شده توسط وسایل الکتریکی در خانه های خود ندارند . در نتیجه در صورت آگاهی از میزان مصرف انرژی خود و بعبارتی تفکیک توان مصرفی هر وسیله از توان مصرفی کل خانه می توانند نسبت به مدیریت آن اقدام نمایند. برای رسیدن به این هدف آقای هارت روشی با عنوان نظارت بار غیر نفوذی را مطرح کردند ،این ایده در سالهای اخیر با استفاده از کنتورهای هوشمند و قابلیت ضبط سیگنالهای الکتریکی در فرکانسهای مختلف به تکامل رسید و روشهای مختلف داده کاوی به منظور طبقه بندی داده ها استفاده می شود، به منظور تفکیک سیگنالها و طبقه بندی آنها نیازمند استخراج ویژگی های از داده ها هستیم که با توجه به روشهای ریاضی پیچیده این امکان فراهم می شود و از شبکه عصبی و یادگیری ماشین برای طبقه بندی بار استفاده می شود اما امروزه با رشد علوم مبتنی بر شبکه عصبی و عمیق تر شدن این شبکه و قابلیت استخراج خودکار ویژگی ها در یارگیری عمیق و دقت بالاتر آن ، توجه محقیق به حوزه یادگیری عمیق بیشتر شده است . در این تحقیق به منظور تفکیک بار خانگی از شبکه عمیق کانولوشنی استفاده شده است. شبکه های عصبی عمیق با دارا بودن تعداد لایه های بیشتر می توانند پردازش های بیشتری روی داده های ورودی انجام دهند. پردازش های بیشتر موجب افزایش در دقت تشخیص و طبقه بندی شوند، در این میان شبکه عصبی کانولوشن با داشتن لایه های ورودی یادگیرنده کانولوشن، فرآیند استخراج بردار ویژگی را در تشخیص و طبقه بندی بندی سیگنال ها به طور خودکار و مناسب انجام دهد. تنوع و طراحی روش استخراج بردار ویژگی برای دسته بندی سیگنالها با چالشهای بسیاری روبرو می باشد. از این رو برای رسیدن به روشی خودکار که دقت بیشتری نسبت به روشهای موجود را داشته باشد، روش ارائه شده در این تحقیق بر مبنای شبکه عمیق کانولوشن خواهد بود. واژه‌های کلیدی: نظارت بار غیر نفوذی ، تفکیک بار خانگی ، یادگیری عمیق
به اطلاع متقاضیان دکترای سال تحصیلی 1404-1403 رشته های مهندسی (مکانیک - کامپیوتر - برق - مواد - عمران - صنایع) دانشگاه بوعلی سینا می رساند، فهرست اساتید پذیرنده دانشکده مهندسی...
به اطلاع می رساند یک شرکت دانش بنیان در اصفهان نیازمند خدمات تحقیقاتی دانش آموختگان رشته های مواد و شیمی بوده و استخدام می کند. علاقمندان جهت کسب اطلاعات بیشتر و هماهنگی با شماره 03133879868 در...
به گزارش بسنا، مراسم افتتاحیه این پروژه با حضور محمدعلی زلفی‌گل وزیر علوم، تحقیقات و فناوری و دکتر علیرضا قاسمی‌فرزاد استاندار همدان، معاونان وزارتخانه‌های علوم و مسئولان استانی و ریاست...
دفتر هدایت استعدادهای درخشان دانشگاه بوعلی‌سینا فهرست اسامی دانشجویان برگزیده آموزشی پژوهشی پانزدهمین همایش سالانه دفتر هدایت استعدادهای درخشان سال ۱۴۰۲ را منتشر کرد. اسامی دانشجویان...
بهراد توتونچی دبیر انجمن علمی دانشجویی مهندسی عمران دانشگاه بوعلی سینا، در جلسه ای با حضور نمایندگان دانشگاه های سراسر کشور، با کسب اکثریت آرا انتخابات، به عنوان دبیر...
در هشتمین نشست از دوره یازدهم هیأت ممیزه دانشگاه بوعلی‌سینا، آقای دکتر علیرضا حاتمی دارای مدرک دکتری در رشته مهندسی برق با ر أ ی اعضاء از مرتبه...
بدینوسیله انتخاب آقای دکتر آرش فتاح الحسینی را به عنوان پژوهشگر برگزیده دانشگاه در گروه فنی و مهندسی به ایشان و خانواده علمی دانشکده مهندسی تبریک عرض نموده و از خداوند متعال...
بدینوسیله انتخاب دو تن از دانشجویان دانشکده مهندسی مهندس راضیه چهارمحالی در مقطع دکتری رشته مهندسی مواد شاخه خوردگی و مهندسی سطح و مهندس امین نظری در مقطع...
بدینوسیله انتخاب سه عضو هیات علمی دانشکده مهندسی جناب آقایان دکتر جواد بهنامیان ، دکتر حسن علم خواه و دکتر محسن گودرزی در...
براساس اطلاعات پایگاه شاخص‌های اساسی علم (ESI)، حضوردکتر محمد حسن مرادی از گروه مهندسی برق دانشکده مهندسی در زمره پژوهشگران پراستناد یک درصد برتر دنیا استمرار پیدا کرد. ...
بدینوسیله انتخاب اعضا محترم هیات علمی سرکار خانم دکتر سموئی (گروه مهندسی صنایع)، جناب آقایان دکتر بابائی (گروه مهندسی عمران)، دکتر حاتمی (گروه مهندسی برق)، دکتر ختن لو (گروه مهندسی...
بدینوسیله انتخاب چهار عضو هیات علمی دانشکده مهندسی جناب آقای دکتر جواد بهنامیان از گروه مهندسی صنایع به عنوان پژوهشگر اول برگزیده، جناب آقای دکتر حسن علم خواه از گروه...
به گزارش بسنا و به نقل از سازمان سنجش، آزمون مرحله نهایی بیست و هشتمین دوره المپیاد علمی دانشجویی کشور با حضور نفرات برگزیده آزمون کارشناسی ارشد (متمرکز) و آزمون غیرمتمرکز المپیاد در دانشگاه‌های...
به اطلاع دانشجویان محترم می رساند سایت کامپیوتر کارشناسی دانشکده مهندسی به دلیل انجام ثبت نام دانشجویان کارشناسی ورودی 1402 از شنبه 1402/7/22 به مدت یک هفته تعطیل می باشد.
به گزارش بسنا و به نقل از معاونت علمی فناوری ریاست جمهوری، در هشتمین دوره تجلیل از سرآمدان علمی کشور در سال ۱۴۰۲ که با حضور معاون علمی و فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور و وزیر علوم...
به اطلاع دانشجویان ورودی جدید تحصیلات تکمیلی (ارشد و دکترا) می رساند، یکشنبه 23 مهر ساعت 11 الی 13 در محل آمفی تئاتر دانشکده مهندسی جلسه معارفه با هیات رییسه دانشکده برگزار می شود. ...
بر اساس اطلاعات جدید نمایه استنادی معتبر scopus ۲۰۲۳، با بررسی مقالات مربوط به ۲۰۲۲، 4 عضو هیات علمی و 1 دانش آموخته دانشکده مهندسی و با بررسی کل مقالات مربوط به سال های مختلف، 1 نفر از اعضای هیات...
نظر به مراتب تعهد، تخصص و تجارب ارزشمند جناب آقای دکتر حسن علم خواه و بنا به پیشنهاد رئیس دانشکده مهندسی، به موجب ابلاغی ایشان با حفظ سمت آموزشی به مدت 2 سال به عنوان...
در حکمی از طرف ریاست دانشگاه آقای دکتر امیرسامان خیرخواه به عنوان مدیر گروه رشته مهندسی صنایع منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب...
در حکمی از طرف ریاست دانشگاه آقای دکتر صالح رازینی به عنوان مدیر گروه رشته مهندسی برق منصوب گردید. در این حکم آمده است : « با احترام و آرزوی توفیق الهی، نظر به مراتب تعهد و تجارب ارزنده...