基于LSTM的智能家居机器学习系统预测模型研究

• 作者: 包晓安 常浩浩 张娜 徐海 董亮亮
• 来源期刊: 浙江理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 智能家居 机器学习系统 预测模型 递归神经网络 LSTM
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 电子与信息技术
• 页码范围: 224-231
• 页数: 8页
• 分类号: TP181
• 字数: 6375字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3851(n).2018.02.017

摘要

为了提高智能家居系统的智能化程度,提出了一种以基于LSTM改进的递归神经网络模型为核心的智能家居机器学习系统.该系统以家庭单位作为预测节点,以改进的LSTM网络作为基准预测模型;家庭节点的预测模型以基准预测模型为基础,利用新样本更新家庭预测模型,根据输入的环境数据调用预测模型预测出设备的状态.实验结果表明:该系统能够适应多个家庭节点以及新的家庭行为,基准预测模型与BP神经网络、一般递归神经网络以及标准的LSTM网络相比,其对设备状态的预测准确度高于其他三种模型.该系统方案既为每一个家庭节点建立一个预测模型,又可以根据用户在主动控制设备时生成的新样本数据更新预测模型,有助于匹配不同家庭用户的特点,实现对智能家居产品的智能化控制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张娜	浙江理工大学信息学院	72	213	8.0	12.0
2	包晓安	浙江理工大学信息学院	80	324	9.0	15.0
3	常浩浩	浙江理工大学信息学院	2	7	1.0	2.0
4	徐海	浙江理工大学信息学院	3	12	2.0	3.0
5	董亮亮	浙江理工大学信息学院	3	7	1.0	2.0