10.16208/j.issn1000-7024.2019.03.041
基于自编码器的深度神经网络管控算法
针对智能养老设备集中管控与决策问题, 提出一种基于自编码器和深度神经网络的智能管控算法.采用基于自编码器对各个设备进行无监督逐层贪婪预训练, 挖掘设备之间的相似特征;结合具体的养老场景构建深度BP神经网络模型, 使用养老环境下的实例监测数据对模型进行整体训练.实验结果表明, 该管控算法对智能养老设备工作状态预测准确率达到99.7%, 比传统神经网络模型提高了5.1%, 比人工管控模型提高了39%.在智能养老设备不断增长、集中管控情况复杂多变时, 管控算法依然可以保持97.3%的预测准确率, 验证了算法的可行性和有效性.
智能家居、无监督预训练、自编码器、深度神经网络、管控算法
40
TP389.1(计算技术、计算机技术)
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
845-849