Dilce

Detección de inconsistencia en la toma de lecturas de consumo eléctrico

IA capaz de pronosticar anomalías eléctricas según comportamiento del consumo. Este funciona por medio de una metodología Backpropagation algorithm optimizado con Adam, se realiza la clasificación de los usuarios con anomalías de lectura.
En este se busca el valor mínimo de la función de error en el espacio de peso mediante una técnica llamada descenso de gradiente o regla delta. Las ponderaciones que minimizan la función de error se consideran una solución al problema de aprendizaje.
Reducción de 70% al 20% de las rutas seleccionadas para visitas por anomalías Beneficios: – Reducción de costos operativos – Optimización de recursos – Detección de anomalías en centroides de energía

Otros proyectos

Camille

IA obtenida a partir de datos simulados para atacar el virus SARS-CoV-2 (Covid 19)

Scroll al inicio