ニューラルネットワークとピューマ最適化アルゴリズムを用いたスマートな部屋占有率検出

科学分野:

• 人工知能;ビルディングオートメーション;機械学習

背景:

• 従来の部屋占有率検出メソッドは、コスト、スケーラビリティ、適応性に関する課題に直面しています。正確な占有率検出は、エネルギー効率の高い建物、強化されたセキュリティ、および居住者の快適さにとって重要です。

研究 の 目的:

• 正確な部屋占有率検出のための最適化された機械学習アプローチを提案すること。新しい最適化技術を使用して既存のメソッドの制限に対処すること。

主な方法:

• ピューマオプティマイザーサインコサインオプティマイザー（POSC）メタヒューリスティックで最適化されたニューラルネットワーク（NN）モデルを使用しました。トレーニングと評価のために、温度、湿度、光強度、CO2レベルを含む環境センサーデータを使用しました。公開データセットでPOSC最適化NNモデルを遺伝的アルゴリズム（GA）およびグレイウルフ最適化（GWO）と比較しました。

主要な成果:

• POSCで最適化されたNNモデルは、従来のメソッドと比較して優れた分類精度を示しました。精度、再現率、F1スコアで大幅な改善を達成しました。最適化技術は、探索と活用のバランスを通じて、より速い収束とより良い分類を促進しました。

結論:

• メタヒューリスティック最適化とディープラーニングの組み合わせは、インテリジェントな占有率検出の実用的なソリューションを提供します。このアプローチは、エネルギー効率の高いシステムとスマートビルディングオートメーションに大きく貢献できます。提案されたモデルは、インテリジェント環境での実際のアプリケーションの可能性を示しています。