Металернинг, учитывающий неоднородность, для прогнозирования энергопотребления жилых зданий

⚡️ Прогноз энергопотребления жилых зданий: в статье рассматривается задача, важная для эксплуатации зданий и умных сетей: как точнее предсказывать потребление энергии в жилом фонде, где дома заметно отличаются по профилям нагрузки, данным и условиям эксплуатации. Авторы предлагают подход Heterogeneity-aware model-agnostic meta-learning — металернинг, не привязанный к одной архитектуре модели и учитывающий неоднородность объектов. В связке упоминается автоэнкодер: вероятно, он используется для выделения скрытых признаков и группировки различающихся паттернов потребления. Научная новизна — попытка повысить устойчивость прогноза при переносе модели между разными жилыми зданиями, а не обучать решение под каждый объект отдельно. Ограничение по аннотации: без полного текста пока нельзя оценить датасеты, метрики и сравнение с базовыми моделями.