Metode Hybrid Quantization-Knowledge Distillation Pada LSTM Untuk NILM Berbasis Edge Computing - Dalam bentuk buku karya ilmiah
MOCHAMAD NABIEL ADIPUTRA
Informasi Umum
Kode
25.04.4423
Klasifikasi
000 - General Works
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Iot
Dilihat
20 kali
Informasi Lainnya
Abstraksi
Penelitian ini berfokus pada pengembangan sistem pemantauan beban Non-intrusive load monitroring (NILM) berbasis komputasi tepi yang efisien untuk rumah pintar. Dengan memanfaatkan teknologi Internet of Things (IoT), sistem ini memungkinkan pemantauan dan pengelolaan konsumsi energi secara real-time. Penelitian ini mengusulkan penggunaan model Long Short-Term Memory (LSTM) yang dikompresi melalui teknik kuantisasi dan knowledge distillation untuk meningkatkan efisiensi komputasi tanpa mengorbankan akurasi prediksi. Data konsumsi energi dikumpulkan dari berbagai perangkat rumah tangga dan diolah menggunakan algoritma LSTM. Model LSTM yang telah dilatih kemudian dikompresi menggunakan teknik-teknik yang disebutkan di atas untuk diterapkan pada perangkat tepi dengan sumber daya terbatas. Hasil evaluasi menunjukkan bahwa model LSTM yang telah dikompresi mampu memberikan akurasi prediksi yang tinggi dengan ukuran model yang lebih kecil dan waktu komputasi yang lebih cepat. NILM, LSTM, quantization, knowledge distillation, edge computing.<br /> Kata kunci: non-intrusive load monitroring, Internet of Things, Long Short-Term Memory,Quantization,Hybrid Quantization Knowledge Distillation.<br />
- CTI3F3 - PENGEMBANGAN DAN APLIKASI IOT
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | MOCHAMAD NABIEL ADIPUTRA |
| Jenis | Perorangan |
| Penyunting | Aji Gautama Putrada, Ikke Dian Oktaviani |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Teknologi Informasi |
| Kota | Bandung |
| Tahun | 2025 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
