MétaCan
Menu
Retour à la cohorte
Enregistrement W2895717878 · doi:10.1109/ciact.2018.8480089

Image Processing and IoT Based Innovative Energy Conservation Technique

2018· article· en· W2895717878 sur OpenAlexaff
Dharmendra Kumar Mahato, Sangeeta Yadav, Geetika Jain Saxena, Amit Pundir, Rajshekhar Mukherjee

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCurrency Recognition and Detection
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésEnergy consumptionComputer scienceEnergy conservationAnalyticsCloud computingEnergy (signal processing)Lecture hallEfficient energy useTable (database)MultimediaDatabaseOperating systemEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper illustrates an innovative, real-time, energy monitoring system in educational institutions, using MATLAB, image acquisition and processing mechanism. Smart Innovative Method for Energy (E-SIM) conservation proposed here, designs, deploys and evaluates energy consumption patterns of laboratories, lecture theaters and halls in institutions. Specially designed hardware is used to monitor energy consumption pattern of each laboratory or lecture hall. The data is then matched with the time-table and occupancy level of that laboratory or lecture hall using cloud based data analytics and IoT (Internet of Things) in real time. If the energy consumption doesn't match the time-table or the occupancy level, an alert is generated for further investigation and action. Matching energy consumption patterns with the time-table of laboratories and lecture halls in an educational institution over a period of time can result in significant energy saving. The E-SIM may help institutes design cost-effective recommendations to address energy inefficiencies and implement new initiatives. The complete design includes energy infrastructure (metered laboratories and lecture theaters), energy routing within institutes, web applications and data analytics. The E-SIM helps monitor the utilization of energy in organizations resulting in efficient energy management by them thereby reducing their environmental impact. By monitoring plug loads in each laboratory or lecture theatre, the number of devices using energy, the number of occupants and the actual energy use can be better managed. This is the vital information required to take actions and policy decisions for saving energy and it may, in future, provide the real time on-line digital ability to on-off control at each plug.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,270
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCurrency Recognition and DetectionTravaux en français237 207