차별화 가능한 의사결정 트리를 활용하여 강화학습 기반 에이전트를 학습함으로써, 성능과 설명 가능성을 모두 갖춘 가정 에너지 관리 시스템 제어 정책을 개발할 수 있다.
차별화 가능한 의사결정 트리를 활용하여 데이터 기반 강화 학습 에이전트를 학습함으로써 확장성과 설명 가능성을 갖춘 가정 에너지 관리 시스템을 구현할 수 있다.
차별화 가능한 의사 결정 트리를 이용하여 표준 강화 학습 기반 제어기의 정책을 모방하여 데이터 기반이며 쉽게 설명 가능한 제어 정책을 얻는다.
본 연구는 낙농장 배터리 관리를 위해 Q-러닝 기반 강화학습 알고리즘을 제안하였으며, 이를 통해 전력망 의존도를 낮추고 전기 비용을 절감할 수 있음을 보여주었다.
본 논문은 비침입적 부하 모니터링(NILM) 데이터의 결측 문제를 해결하기 위해 비음수 텐서 분해 모델을 제안한다. 제안 모델은 PID 제어기를 도입하여 학습 과정의 수렴 속도를 개선하고, 비음수 업데이트 규칙을 적용하여 NILM 데이터의 특성을 반영한다.
선박의 전력 시스템 내 에너지 저장 및 부하 감축을 위한 새로운 에너지 관리 방법론 소개