Mô hình dự đoán các tham số và kịch bản ra quyết định trong ngôi nhà thông minh sử dụng mạng nơron kết hợp thuật toán Active Lezi

##plugins.themes.academic_pro.article.main##

Author

  • Nguyễn Hữu Phát, Dương Văn Hoàn, Hà Khánh Hợp

Từ khóa:

chuỗi thời gian
dự đoán
mạng truyền thẳng đa lớp
mô hình mạng tự động hồi quy phi tuyến
thuật toán Active Lezi

Tóm tắt

Trong các hệ thống nhà thông minh, nhu cầu tự động hóa cho người sử dụng ngày càng tăng. Bài báo thực hiện mô hình dự đoán dựa trên cơ sở mạng nơron nhân tạo trong cả ngắn hạn và dài hạn. Một trong những vấn đề quan trọng của việc huấn luyện mạng giúp đưa ra các quyết định nhanh chóng cho người sử dụng đó là tốc độ hội tụ cao và thời gian huấn luyện mạng nhỏ. Vì vậy các khảo sát lựa chọn hàm thực hiện huấn luyện dữ liệu đã được thực hiện. Hơn nữa, sự kết hợp với thuật toán Active Lezi cũng đưa ra một hướng mới cho vấn đề dự đoán và điều khiển ứng xử hành vi cho ngôi nhà thông minh. Các kết quả của bài báo chứng mih việc áp dụng thuật toán là khả thi và có tính ứng dụng cao trong tương lai.

Tài liệu tham khảo

    [1] P. Piccinini, S. Calderara, and R. Cucchiara, “Reliable smoke detection system in the domains of image energy and color”, 15th International Conf. Image Processing, 2008, pp.1376-1379.
    [2] M. D. Nemes, A. Butoi, “Data Mining on Romanian Stock Market Using Neural Networks for Price Prediction”, Infor. Econom. 17(3), (2013) 125-136.
    [3] R. J. Frank, N. Davey, S. P. Hunt, “Time Series Prediction and Neural Networks”, J. Intelligent and Robotic Syst., 31(1-3), (2001) 99-103.
    [4] T. Chen, H. Chen, “Universal approximation to nonlinear operators by neural networks with arbitrary activation functions and its application to dynamical systems”, IEEE Trans. Neural Netw., 6(4), (1995) 911–917.
    [5] M. F. Moller, “A Scaled Conjugate Gradient Algorithm for Fast Supervised Learning”, Neural Netw., 6 (1993) 525-533.
    [6] A. K. Jain, J. Mao, K. M. Mohiuddin, “Artificial neural networks: A tutorial”, IEEE Comput., (1996) 31-44.
    [7] G. K. Erkam, “Using artificial neural network models in stock market index prediction”, Expert Syst. with Applications, 38(8), (2011) 10389-10397.
    [8] A. Kémajou, L. Mba, P. Meukam, “Application of Artificial Neural Network for Predicting the Indoor Air Temperature in Modern Building in Humid Region”, British J. Applied Scie. & Technol., 2(1), (2012) 23-34.
    [9] J. M. P. Menezes, G. A. Barreto, “On recurrent neural networks for auto-similar trafic prediction: A performance evaluation”, 2006 Interl’ Telecom. Symp., (2006) 534-539.
    [10] M. Feder, N. Merhav, and M. Gutman, “Universal Prediction of Individual Sequences”, IEEE Trans. Infor. Theory, 38(4), (1992) 1258-1270.
    [11] D. J. Cook, M. Huber, K. Gopalratnam, and E. Heierman, “Learning to Control a Smart Home Environment”, Innovative Applications of Artificial Intelligence, (2003).
    [12] M. B. Ersin, “Improving forecasts of GARCH family models with the artificial neural networks: An application to the daily returns in Istanbul Stock Exchange”, Expert Syst. with Applications, 36(4), (2009) 7355-7362.
Xem thêm

##plugins.themes.academic_pro.article.sidebar##

Đã Xuất bản

Mar 31, 2017
Download
PDF
Cách trích dẫn
Nguyen Huu Phat, Duong Van Hoan, Ha Khanh Hop. “Mô hình dự đoán các Tham số Và kịch bản Ra quyết định Trong ngôi Nhà thông Minh sử dụng mạng nơron kết hợp thuật toán Active Lezi”. Tạp Chí Khoa học Và Công nghệ - Đại học Đà Nẵng, vol 3, số p.h 112.1, Tháng Ba 2017, tr 128-32, https://jst-ud.vn/jst-ud/article/view/2553.

##plugins.themes.academic_pro.article.details##