Data Mining and Machine Learning in Building Energy Analysis (eBook, PDF)
 |
| Dein klimafreundliches eBook steht für dich als PDF Format nach dem Kaufprozess per Download bereit. |
Preface ix
Introduction xi
Chapter 1. Overview of Building Energy Analysis 1
1.1. Introduction 1
1.2. Physical models 3
1.3. Gray models 6
1.4. Statistical models 6
1.5. Artificial intelligence models 8
1.5.1. Neural networks 8
1.5.2. Support vector machines 13
1.6. Comparison of existing models 14
1.7. Concluding remarks . 16
Chapter 2. Data Acquisition for Building Energy Analysis 17
2.1. Introduction 17
2.2. Surveys or questionnaires 18
2.3. Measurements 21
2.4. Simulation 25
2.4.1. Simulation software 26
2.4.2. Simulation process 28
2.5. Data uncertainty 34
2.6. Calibration 35
2.7. Concluding remarks 37
Chapter 3. Artificial Intelligence Models 39
3.1. Introduction 39
3.2. Artificial neural networks 40
3.2.1. Single-layer perceptron 41
3.2.2. Feed forward neural network 43
3.2.3. Radial basis functions network 44
3.2.4. Recurrent neural network 47
3.2.5. Recursive deterministic perceptron 49
3.2.6. Applications of neural networks 51
3.3. Support vector machines 53
3.3.1. Support vector classification 54
3.3.2. -support vector regression 59
3.3.3. One-class support vector machines 62
3.3.4. Multiclass support vector machines 63
3.3.5. v-support vector machines 64
3.3.6. Transductive support vector machines 65
3.3.7. Quadratic problem solvers . 67
3.3.8. Applications of support vector machines 75
3.4. Concluding remarks 76
Chapter 4. Artificial Intelligence for Building Energy Analysis 79
4.1. Introduction 79
4.2. Support vector machines for building energy prediction 80
4.2.1. Energy prediction definition 80
4.2.2. Practical issues 81
4.2.3. Support vector machines for prediction 85
4.3. Neural networks for fault detection and diagnosis 91
4.3.1. Description of faults 94
4.3.2. RDP in fault detection 95
4.3.3. RDP in fault diagnosis 100
4.4. Concluding remarks 102
Chapter 5. Model Reduction for Support Vector Machines 103
5.1. Introduction 103
5.2. Overview of model reduction 104
5.2.1. Wrapper methods 105
5.2.2. Filter methods 106
5.2.3. Embedded methods 107
5.3. Model reduction for energy consumption 108
5.3.1. Introduction 108
5.3.2. Algorithm 109
5.3.3. Feature set description 111
5.4. Model reduction for single building energy 112
5.4.1. Feature set selection 112
5.4.2. Evaluation in experiments 114
5.5. Model reduction for multiple buildings energy 116
5.6. Concluding remarks 119
Chapter 6. Parallel Computing for Support Vector Machines 121
6.1. Introduction 121
6.2. Overview of parallel support vector machines 122
6.3. Parallel quadratic problem solver 123
6.4. MPI-based parallel support vector machines 127
6.4.1. Message passing interface programming model 127
6.4.2. Pisvm 129
6.4.3. Psvm 130
6.5. MapReduce-based parallel support vector machines 130
6.5.1. MapReduce programming model 131
6.5.2. Caching technique 133
6.5.3. Sparse data representation 133
6.5.4. Comparison of MRPsvm with Pisvm 134
6.6. MapReduce-based parallel -support vector regression 138
6.6.1. Implementation aspects 138
6.6.2. Energy consumption datasets 139
6.6.3. Evaluation for building energy prediction 140
6.7. Concluding remarks 142
Summary and Future of Building Energy Analysis 145
Bibliography 149
Index 163
PDF Typ:
Standard-PDF: Das ist der am häufigsten verwendete eBook PDF-Typ. Ein Standard-PDF ist ein einfaches PDF-Dokument, das auf jedem Gerät geöffnet werden kann, das eine PDF-Reader-Software installiert hat.
Interaktive PDF: Ein interaktives PDF enthält zusätzliche Funktionen wie Links, Formulare, Audio- und Video-Dateien, interaktive Schaltflächen und andere interaktive Elemente. Interaktive PDFs sind besonders nützlich für eBook Lehrbücher, Anleitungen und technische Dokumentationen.
Reflowable PDF: Reflowable PDFs passen sich automatisch an die Bildschirmgröße des Geräts an, auf dem sie geöffnet werden. Das bedeutet, dass der Text und das Layout der Seite so angepasst werden, dass sie auf dem Bildschirm des Geräts leicht lesbar sind. Reflowable PDFs sind ideal für eBooks, die auf verschiedenen Geräten gelesen werden sollen, wie zum Beispiel Tablets oder Smartphones.
Fixed Layout PDF: Ein fixed-layout PDF ist eine PDF-Datei, die ein bestimmtes Seitenlayout beibehält. Das bedeutet, dass das Layout auf jedem Gerät gleich bleibt und nicht automatisch angepasst wird. Fixed-layout PDFs sind ideal für eBooks, die viele Bilder oder Grafiken enthalten, wie zum Beispiel Bildbände oder Kochbücher.
Enhanced PDF: Ein Enhanced PDF ist eine Kombination aus interaktiven und reflowable PDFs. Es enthält interaktive Funktionen wie Links, Formulare und multimediale Elemente, passt sich aber auch an die Bildschirmgröße des Geräts an. Enhanced PDFs sind ideal für eBooks, die sowohl Text als auch multimediale Elemente enthalten.
Schlagwörter zu:
Data Mining and Machine Learning in Building Energy Analysis von Frédéric Magoules mit der ISBN: 9781118577486
Artificial Intelligence; Computer Science; Computer Science - General Interest; Informatik; Künstliche Intelligenz; Populäre Themen i. d. Informatik, eBooks-Center
For legal reasons, the eBook download can only be delivered in countries with a billing address as follow
Der eBook-Download kann aus rechtlichen Gründen nur in Ländern mit den folgenden Rechnungsadressen ausgeliefert werden:
BG BE AT EE DK CZ CH DE CY HU HR GR FR FI ES LT LI IT IE NL MT LU LV SE RO PT PL SK SI
Kunden Rezensionen zu Data Mining and Machine Learning in Building Energy Analysis von Frédéric Magoules | eBook
Kunden, die: "Data Mining and Machine Learning in Building Energy Analysis" (PDF) von Frédéric Magoules als eBook gekauft haben,
interessierten sich auch für die folgenden eBooks: