رویکردهای بدون نظارت کار قبلی در یادگیری استفاده از لوازم خانگی به استفاده از داده های انرژی از کنتور ابزار پرداخته است. اما این رویکرد فریب دادن جزئیات را به چالش می کشد ، زیرا داده های انرژی ترکیبی از الگوی چندین لوازم مختلف است که همه به هم اضافه شده اند.
رویکردهای بدون نظارت (که بدان معنی است که داده های آموزش برچسب زده نشده اند) ، فرض کنید الگوهای لوازم فردی ناشناخته است. با این حال ، از آنجا که کنتور ابزار کل انرژی مورد استفاده در خانه را اندازه گیری می کند ، یادگیری لوازم فردی یا تشخیص موثر آنها بسیار دشوار است.
Sapple در قلمرو بدون نظارت باقی می ماند: فرض نمی کند که ما الگوهای لوازم فردی را می شناسیم ، بلکه در عوض از داده های یک سنسور دوم برای کمک به یادگیری الگوهای استفاده از لوازم با نظارت خود استفاده می کند.
به عنوان مثال ، سنسور مکان هنگام نزدیک شدن به مایکروویو ، حرکت شخص را ضبط می کند ، مواد غذایی را در آن قرار داده و آن را روشن می کند. سپس این مدل داده ها را تجزیه و تحلیل می کند و می آموزد که وسایل خاص در چه مواردی روشن هستند و مکان آنها در یک خانه چیست.
علاوه بر سلامتی ، ساپل به طور بالقوه می تواند به کاهش اثرات سنگین ما بر جهان طبیعی کمک کند. با تجزیه و تحلیل الگوهای استفاده از لوازم خانگی در داخل خانه ، این سیستم می تواند برای تشویق رفتارهای صرفه جویی در مصرف انرژی و بهبود پیش بینی و تحویل برای شرکت های ابزار مورد استفاده قرار گیرد.
این تیم خاطرنشان می کند که رویکرد سیستم آنها برخی از مسائلی را حل می کند که می تواند برای سنسورهای داخل خانه مشکل باشد. به عنوان مثال ، استفاده از داده های مکان همیشه به معنای استفاده از دستگاه نیست ، زیرا افراد می توانند بدون استفاده از آن در کنار یک دستگاه باشند. همچنین ، بسیاری از لوازم مانند یخچال و فریزرها قدرت خود را چرخه می دهند و "رویدادهای پس زمینه" ایجاد می کنند ، و می تواند داده های مکان از چند نفر در یک خانه وجود داشته باشد ، اما همه آنها به استفاده از لوازم مربوط نمی شوند. Sapple با یادگیری اتصال دو جریان سنسور ، این مشکلات را حل می کند و از آن استفاده می کند تا هنگام روشن بودن وسایل و مکان آنها را کشف کند.
هسو می گوید: "همزمان با شروع به کار در مکان های داخلی ، به اندازه بالقوه وای فای در آینده رایج می شویم ، امیدوارم که فناوری ما بدون هیچ زحمتی بتواند به راحتی در همه مکان ها با کنتور برق استفاده شود." "این می تواند برنامه های جدیدی را برای سنجش سلامت منفعل در خانه ها فعال کند. به عنوان مثال شرکت های کمکی می توانند با ارائه بازخورد شخصی ، تقاضای اوج را کاهش دهند ، تولید و تحویل انرژی را بهینه کنند و در نهایت بهره وری انرژی را بهبود بخشند."
هسو مقاله را در کنار دکتری CSAIL نوشت. دانش آموزان عباس زیتون و گوانگ هی لی ، و همچنین اساتید MIT ، دینا کاتابی و تومی جاکوکولا. آنها مقاله را به طور مجازی در کنفرانس بین المللی نمایندگی های یادگیری ارائه دادند.
درباره این سایت