Jove
Visualize
Contáctanos

Video Experimental Relacionado

Updated: Jan 7, 2026

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

5.2K

Detección inteligente de ocupación de habitaciones mediante redes neuronales y el algoritmo de optimización puma

El-Sayed M El-Kenawy1,2, Ahmed Mohamed Zaki3, Ebrahim A Mattar4

  • 1Department of Communications and Electronics, Delta Higher Institute of Engineering and Technology, Mansoura, 35111, Egypt. sayed.kenawy@dhiet.edu.eg.

Scientific reports
|December 20, 2025
PubMed
Resumen

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Geotechnical challenges of urban expansion in Mila Town (NE Algeria): an integrated Engineering Ground Model (EGM) approach.

Scientific reports·2026
Same author

Metaheuristic-optimized interaction-aware deep learning with large language model assistance for data-driven water quality prediction.

Scientific reports·2026
Same author

Human-inspired hyperparameter optimization for long-horizon forecasting of freshwater and desalination per-capita dynamics.

Scientific reports·2026
Same author

Sliding mode control gain optimization for a robot arm manipulator using an improved stochastic framework.

Scientific reports·2026
Same author

An optimization-driven hierarchical deep learning approach using the Gray Langurs algorithm for data-driven seismic activity prediction.

Scientific reports·2026
Same author

Deposit characterizations and engineering-geotechical modeling for sustainable urbanisation in the Mila basin (NE Algeria).

Scientific reports·2026
Same journal

Turbulent flow in a vortex separator with a directed pipe inlet.

Scientific reports·2026
Same journal

Systematic characteristic evaluation of clay-based cementitious material derived from calcium carbide residue and waste tile powder.

Scientific reports·2026
Same journal

Retraction Note: Improvement of a rapid diagnostic application of monoclonal antibodies against avian influenza H7 subtype virus using Europium nanoparticles.

Scientific reports·2026
Same journal

Applying large language models to spam detection in the Kazakh low-resource language setting.

Scientific reports·2026
Same journal

An open-source 3D printing system enabling in-situ freeze-thaw processing of hydrogels.

Scientific reports·2026
Same journal

An enhanced EfficientNet framework for automated waste classification using cosine annealing and label smoothing.

Scientific reports·2026
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas
Este resumen es generado por máquina.

Este estudio presenta un modelo optimizado de aprendizaje automático para la detección precisa de ocupación de habitaciones utilizando datos ambientales. El novedoso enfoque mejora la automatización inteligente de edificios y la eficiencia energética.

Área de la Ciencia:

  • Inteligencia Artificial
  • Automatización de Edificios
  • Aprendizaje Automático

Sus antecedentes:

  • Los métodos tradicionales de detección de ocupación de habitaciones enfrentan desafíos de costo, escalabilidad y adaptabilidad.
  • La detección precisa de la ocupación es crucial para edificios energéticamente eficientes, seguridad mejorada y comodidad del ocupante.

Objetivo del estudio:

  • Proponer un enfoque optimizado de aprendizaje automático para la detección precisa de ocupación de habitaciones.
  • Abordar las limitaciones de los métodos existentes utilizando una novedosa técnica de optimización.

Principales métodos:

  • Se utilizó un modelo de Red Neuronal (NN) optimizado con el metaheurístico Optimizador Puma Seno Coseno (POSC).
  • Se emplearon datos de sensores ambientales que incluyen temperatura, humedad, intensidad de luz y niveles de CO2 para entrenamiento y evaluación.
Palabras clave:
Eficiencia EnergéticaAprendizaje AutomáticoOptimización MetaheurísticaRedes NeuronalesOptimizador PumaDetección de Ocupación de HabitacionesOptimizador Seno CosenoEdificios Inteligentes

Más Videos Relacionados

Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

11.1K

Videos de Experimentos Relacionados

Last Updated: Jan 7, 2026

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

5.2K
Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

11.1K
  • Se comparó el modelo NN optimizado con POSC con el Algoritmo Genético (GA) y la Optimización de Lobo Gris (GWO) en un conjunto de datos público.

    • Principales resultados:

    • El modelo NN optimizado con POSC demostró una precisión de clasificación superior en comparación con los métodos convencionales.
    • Se lograron mejoras significativas en precisión, recall y F1-score.
    • La técnica de optimización facilitó una convergencia más rápida y una mejor clasificación a través de una exploración y explotación equilibradas.

    Conclusiones:

    • La combinación de optimización metaheurística y aprendizaje profundo ofrece una solución práctica para la detección inteligente de ocupación.
    • Este enfoque puede contribuir significativamente a los sistemas energéticamente eficientes y la automatización de edificios inteligentes.
    • El modelo propuesto muestra potencial para aplicaciones en el mundo real en entornos inteligentes.