基于深度信念网络的家居设备状态预测模型

论文摘要

由于不同的智能家居设备之间的独立性以及通讯方式的差异,增大了用户使用和管理方面的难度。为了解决智能家居设备在自动化控制方面的难题,提出了一种基于深度信念网络的网络预测模型。该模型首先针对单个设备采用基于受限玻尔兹曼机的深度置信网络构建设备模型,通过无监督预训练逐层地挖掘设备通用化特征,最终采用有监督BP神经网络作为常规拟合层,综合考虑多个独立设备进行构建和训练网络预测模型。经过训练,该模型能够预测智能设备工作状态,根据预测结果调整相应设备,实现对智能家居设备的预测。该模型对智能设备工作状态的预测准确率达到97%,并在收敛速度以及设备数量影响方面具备较好的预期效果。实验结果表明,该模型能够充分发掘智能设备状态和用户信息间的联动关系,实现后续对设备的智能化自动控制。

论文目录

• 0 引 言
• 1 可行性
• 2 网络模型
•   2.1 受限玻尔兹曼机
•   2.2 BP神经网络
•   2.3 深度置信网络
• 3 模型设计与训练
•   3.1 数据集处理
•   3.2 模型训练流程
•   3.3 DBN训练流程
•     3.3.1 RBM训练
•     3.3.2 BP神经网络训练
•   3.4 模型结构
• 4 实验分析
•   4.1 模型参数优选
•   4.2 模型准确性
•   4.3 模型收敛速度
•   4.4 模型数量影响
• 5 结束语

文章来源

类型: 期刊论文

作者: 安世博,何勇,孟亚茹

关键词: 智能家居,深度信念网络,网络预测模型,自动化控制

来源: 计算机技术与发展 2019年08期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 建筑科学与工程,自动化技术

单位: 贵州大学计算机科学与技术学院

基金: 贵州省科技计划基金项目(黔科合L.H字[2014]7638)

分类号: TU855;TP18

页码: 161-166

总页数: 6

文件大小: 2430K

下载量: 174