2022-10-182022-10-182019-04XXI Workshop de Investigadores en Ciencias de la Computación978-987-3984-85-3http://hdl.handle.net/20.500.12272/7179Con el objetivo de lograr identificar artefactos eléctricos utilizando redes neuronales a partir de una medida total de consumo de energía (técnica conocida como NILM, del inglés Non-Intrusive Load Monitoring), en el presente trabajo se plantea la evaluación de dos tipos de redes neuronales capaces de realizar tal tarea, contando como ejemplos de entrenamiento válidos para el aprendizaje con ciclos de activación de diferentes artefactos que ya fueron identificados por un algoritmo de detención desarrollado en trabajos anteriores.pdfspaopenAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalNILMConsumo de energíaCiclos de activaciónAprendizaje automáticoRedes neuronalesinfo:eu-repo/semantics/conferenceObject.