Lupa

Izpis gradiva Pomoč

A- | A+ | Natisni
Naslov:EcoShower : estimating shower duration using non-intrusive multi-modal sensor data via LSTM and Gated Transformer models
Avtorji:ID Sablica, Lukas (Avtor)
ID Grün, Bettina (Avtor)
ID Layeghy, Siamak (Avtor)
ID Dolnicar, Sara (Avtor)
ID Portmann, Marius (Avtor)
Datoteke:.pdf RAZ_Sablica_Lukas_2025.pdf (1,14 MB)
MD5: 97D48654AE569D824A7BBE0F607353E0
 
URL https://www.sciencedirect.com/science/article/pii/S0957417425008243?via%3Dihub
 
Jezik:Angleški jezik
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FTŠ Turistica - Fakulteta za turistične študije - Turistica
Opis:This paper tackles the challenge of accurately estimating shower duration from non-intrusive multi-modal sensor data to facilitate efficient water management. Efficient water usage is a critical environmental challenge, and showering contributes significantly to domestic water consumption. Developing accurate, accessible monitoring solutions is essential for promoting sustainability. Utilizing data from humidity, temperature, sound average, and sound peak sensors, we explore suitable data processing steps and the application of machine learning models to estimate shower duration. Our approach includes the design of a bidirectional Long Short- Term Memory model and the application of an existing Gated Transformer Network model to address the multivariate time series classification task. Our analysis reveals that both models are highly effective in this context, also compared to baseline models, and humidity emerges as a particularly powerful predictor either on its own or when combined with the temperature sensor. This work not only showcases the potential of using machine learning methods for multivariate time series classification in the domain of water consumption but also underscores the implications for adopting such technologies in promoting sustainable water use.
Verzija publikacije:Objavljena publikacija
Datum objave:17.03.2025
Leto izida:2025
Št. strani:str. 1-14
Številčenje:Vol. 277, article 127202
PID:20.500.12556/RUP-22592 Povezava se odpre v novem oknu
UDK:544.272
ISSN pri članku:0957-4174
DOI:10.1016/j.eswa.2025.127202 Povezava se odpre v novem oknu
COBISS.SI-ID:237397763 Povezava se odpre v novem oknu
Datum objave v RUP:02.02.2026
Število ogledov:37
Število prenosov:0
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Expert systems with applications
Skrajšan naslov:Expert syst. appl.
Založnik:Pergamon
ISSN:0957-4174
COBISS.SI-ID:171291 Povezava se odpre v novem oknu

Gradivo je financirano iz projekta

Financer:FWF - Austrian Science Fund
Program financ.:Austrian Science Fund (FWF)
Številka projekta:I 4367
Naslov:Pro-Environmental Behavior in Tourism

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:ohranjanje vodnih virov, omrežje s preklopnim transformatorjem, večmodalni senzorski podatki, klasifikacija časovnih vrst, dvosmerni dolgoročno-kratkoročni spomin


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici