Buchumschlag

Fast and interpretable electricity consumption scenario generation for individual consumers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Soenen, J., Yurtman, A., Becker, T., Vanthournout, K., Blockeel, H.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Applications Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Effect of electric vehicles, heat pumps, and solar panels on low-voltage feeders: Evidence from smart meter profiles
von: Becker, T., et al.
Veröffentlicht: (2024)

Prognostics for Autonomous Deep-Space Habitat Health Management under Multiple Unknown Failure Modes
von: Peters, Benjamin, et al.
Veröffentlicht: (2024)

Precision Mars Entry Navigation with Atmospheric Density Adaptation via Neural Networks
von: Giraldo-Grueso, Felipe, et al.
Veröffentlicht: (2024)

Digital twin with automatic disturbance detection for real-time optimization of a semi-autogenous grinding (SAG) mill
von: Quintanilla, Paulina, et al.
Veröffentlicht: (2024)

Modeling of New Energy Vehicles' Impact on Urban Ecology Focusing on Behavior
von: Tang, Run-Xuan
Veröffentlicht: (2024)

Predictive Analysis for Optimizing Port Operations
von: Rao, Aniruddha Rajendra, et al.
Veröffentlicht: (2024)

Integration of Multi-Mode Preference into Home Energy Management System Using Deep Reinforcement Learning
von: Sumayli, Mohammed, et al.
Veröffentlicht: (2025)

Prognosis Of Lithium-Ion Battery Health with Hybrid EKF-CNN+LSTM Model Using Differential Capacity
von: Hoque, Md Azizul, et al.
Veröffentlicht: (2025)

Prognostic Framework for Robotic Manipulators Operating Under Dynamic Task Severities
von: Mohanty, Ayush, et al.
Veröffentlicht: (2024)

Distribution Grid Line Outage Identification with Unknown Pattern and Performance Guarantee
von: Xiao, Chenhan, et al.
Veröffentlicht: (2023)

Towards Improving Unit Commitment Economics: An Add-On Tailor for Renewable Energy and Reserve Predictions
von: Chen, Xianbang, et al.
Veröffentlicht: (2022)

Online Optimization and Ambiguity-based Learning of Distributionally Uncertain Dynamic Systems
von: Li, Dan, et al.
Veröffentlicht: (2021)

Discovering deposition process regimes: leveraging unsupervised learning for process insights, surrogate modeling, and sensitivity analysis
von: Suntaxi, Geremy Loachamín, et al.
Veröffentlicht: (2024)

Unmasking the Role of Remote Sensors in Comfort, Energy and Demand Response
von: Mulayim, Ozan Baris, et al.
Veröffentlicht: (2024)

Dynamic Topic Analysis in Academic Journals using Convex Non-negative Matrix Factorization Method
von: Yang, Yang, et al.
Veröffentlicht: (2025)

Can the Waymo Open Motion Dataset Support Realistic Behavioral Modeling? A Validation Study with Naturalistic Trajectories
von: Zhang, Yanlin, et al.
Veröffentlicht: (2025)

Data-driven Power Flow Linearization: Theory
von: Jia, Mengshuo, et al.
Veröffentlicht: (2024)

Multistep Criticality Search and Power Shaping in Microreactors with Reinforcement Learning
von: Radaideh, Majdi I., et al.
Veröffentlicht: (2024)

Modelos Empiricos de Pos-Dupla Selecao por LASSO: Discussoes para Estudos do Transporte Aereo
von: Oliveira, Alessandro V. M.
Veröffentlicht: (2025)

Adapting Probabilistic Risk Assessment for AI
von: Wisakanto, Anna Katariina, et al.
Veröffentlicht: (2025)

DynaMark: A Reinforcement Learning Framework for Dynamic Watermarking in Industrial Machine Tool Controllers
von: Aftabi, Navid, et al.
Veröffentlicht: (2025)

Personalized electric vehicle energy consumption estimation framework that integrates driver behavior with map data
von: Rachavelpula, Sreechakra Vasudeva Raju, et al.
Veröffentlicht: (2026)

Harnessing Implicit Cooperation: A Multi-Agent Reinforcement Learning Approach Towards Decentralized Local Energy Markets
von: Salazar-Pena, Nelson, et al.
Veröffentlicht: (2026)

Gaussian process-based online health monitoring and fault analysis of lithium-ion battery systems from field data
von: Schaeffer, Joachim, et al.
Veröffentlicht: (2024)

Differentially Private Distributed Estimation and Learning
von: Papachristou, Marios, et al.
Veröffentlicht: (2023)

Probabilistic intraday electricity price forecasting using generative machine learning
von: Chen, Jieyu, et al.
Veröffentlicht: (2025)

Sampling from Gaussian Processes: A Tutorial and Applications in Global Sensitivity Analysis and Optimization
von: Do, Bach, et al.
Veröffentlicht: (2025)

Admittance Matrix Concentration Inequalities for Understanding Uncertain Power Networks
von: Talkington, Samuel, et al.
Veröffentlicht: (2025)

Bridging conformal prediction and scenario optimization
von: O'Sullivan, Niall, et al.
Veröffentlicht: (2025)

Dynamic Estimation of Learning Rates Using a Non-Linear Autoregressive Model
von: Okhrati, Ramin
Veröffentlicht: (2024)

Buffered AUC maximization for scoring systems via mixed-integer optimization
von: Shiina, Moe, et al.
Veröffentlicht: (2026)

Unit Commitment Predictor With a Performance Guarantee: A Support Vector Machine Classifier
von: Pourahmadi, Farzaneh, et al.
Veröffentlicht: (2023)

Multi-objective Bayesian Optimization With Mixed-categorical Design Variables for Expensive-to-evaluate Aeronautical Applications
von: Bartoli, Nathalie, et al.
Veröffentlicht: (2025)

DGSAM: Domain Generalization via Individual Sharpness-Aware Minimization
von: Song, Youngjun, et al.
Veröffentlicht: (2025)

Deconfounded Warm-Start Thompson Sampling with Applications to Precision Medicine
von: Jaiswal, Prateek, et al.
Veröffentlicht: (2025)

Exposing the Illusion of Fairness: Auditing Vulnerabilities to Distributional Manipulation Attacks
von: Lafargue, Valentin, et al.
Veröffentlicht: (2025)

DISTINGUISH Workflow: A New Paradigm of Dynamic Well Placement Using Generative Machine Learning
von: Alyaev, Sergey, et al.
Veröffentlicht: (2025)

Development of Bayesian Component Failure Models in E1 HEMP Grid Analysis
von: Das, Niladri, et al.
Veröffentlicht: (2024)

Quantitative Evaluation of Motif Sets in Time Series
von: Van Wesenbeeck, Daan, et al.
Veröffentlicht: (2024)

Are machine learning interpretations reliable? A stability study on global interpretations
von: Gan, Luqin, et al.
Veröffentlicht: (2025)