nilmtk-contrib-源码

NILMTK-贡献 该存储库包含使用 NILMTK 的快速实验 API 实现的能量分解任务的所有最先进算法。 你可以在找到这篇论文。 所有曾经使用过的笔记本都可以在找到。 使用 NILMTK-contrib，您可以使用以下算法： 加性因子隐马尔可夫模型 具有信号聚合约束的加法隐马尔可夫模型 判别稀疏编码 RNN 去噪自动编码器 序列2点 序列2序列 窗口GRU 上述最先进的算法已添加到此存储库中。 您可以使用新的 NILMTK 的快速实验 API 执行以下操作： 跨多个设备的培训和测试 跨多个数据集的训练和测试（迁移学习） 跨多个建筑物的培训和测试 使用人工骨料进行训练和测试 不同采样频率的训练和测试 请参阅此以了解有关 API 用法的更多信息。 引文 如果你发现这个 repo 对你的研究有用，请考虑引用我们的论文： @inproceedings { 10.1145/33