Apr, 2024

一种基于手机的分布式环境温度测量系统及高效无标签自动训练策略

PDF
TL;DR该研究提出了一种分布式的基于手机的环境温度估计系统，能够通过多台手机的协作来准确测量室内空间中每个小区域的环境温度。此外，它还提供了一种安全、高效和经济的训练策略，为每个新增加的手机训练一个新的估计模型，消除了手动收集标记数据的需求。这种创新的训练策略可以仅通过 5 个数据点和几次迭代为新手机生成一个性能良好的估计模型。同时，通过众包，我们的系统自动为所有新增收集的数据提供准确的推断标签。最后，我们还强调了将联邦学习集成到我们的系统中以确保隐私保护的潜力。我们相信该研究有助于推动基于手机的环境温度测量的实际应用，促进建筑节能。
energy efficiencybuildingambient temperaturephone-based estimation systemfederated learning
发现论文，激发创造
  • 利用周边移动传感器预测非侵入式健康诊断的接近性

    利用智能手机上的多个传感器学习数据以检测人体与移动设备的三维空间接近性，以提供非侵入式医疗诊断信息。该预测技术实现了高达 88.75％的准确度和 88.3％的特异性。

    Dec, 2015

  • 室内室温预测的全局 Transformer 架构

    该研究提出了一种全局 Transformer 体系结构用于多房间建筑的室内温度预测，旨在优化能源消耗并减少与暖通空调系统相关的温室气体排放。该方法为温度预测提供了一种新颖解决方案，可提高准确性和效率，成为优化建筑行业能源消耗和减少温室气体排放的有价值工具。

    Oct, 2023

  • 提升建筑温度预测：一种基于数据驱动的系统场景聚类方法

    给出了一种基于 k-means 聚类方法的数据驱动室温预测模型，通过历史数据分析提取系统运行特征并简化系统级模型，提高了泛化能力和计算效率，实验证明该方法能显著减少建模时间而不降低预测准确性。

    Feb, 2024

  • 多层智能环境下多用户个性化智能辅助生活室内定位

    作者提出了一种多功能跨学科框架，用于基于概率推理的数学方法对个体用户进行建模，机器学习对用户特定的用户交互进行建模，以及引入了渐进提升和 AdaBoost 算法等多个算法以实现室内定位。该框架引入了两种新功能，可为室内定位提供语义上下文，并在收集了 254 个室内区域的五层楼内的 18 个不同用户的大量数据集的基础上进行了测试。实验结果表明该模型的室内定位始终比传统模型更准确。

    Jul, 2022

  • 使用神经网络和手机感应器数据预测 911 呼叫的楼层级别

    该研究介绍了一种通过智能手机的传感器数据估计受害者楼层位置的系统，首先利用神经网络确定智能手机进入或离开建筑物，然后利用装有气压计的智能手机测量从建筑物入口到受害者室内位置的气压变化，不需要信标、建筑基础设施的先验知识或用户行为知识，通过 63 次实验在纽约市五栋不同高层建筑中预测正确 100% 的楼层位置，实现了真实可行性。

    Oct, 2017

  • 用于智能手机不变室内定位的多头注意力神经网络

    本研究提出了一种基于多头注意力神经网络的室内定位框架，能够有效应对智能手机设备异构性导致的 RSSI 信号特性差异问题，并在多样化的室内环境中，相比于现有技术，提升了高达 35% 的定位准确性。

    May, 2022

  • 基于物联网的空气质量监测系统结合机器学习实现精准实时数据分析

    本文提出了开发一种可在任何地方使用的便携式空气质量检测设备，该设备使用 MQ135 和 MQ3 两个传感器检测有害气体并以每百万为单位测量空气质量，同时通过 ThinkSpeak 云平台存储和可视化数据，并进行机器学习分析。

    Jul, 2023

  • 利用 长短期记忆网络（LSTM）和物联网（IoT） 进行城市环境下局部表面温度预测

    本文提出了一种基于 LSTM 深度学习网络的框架，用于以高空间分辨率生成未来一天每小时的气温预测，并利用纽约市的历史原位观测和物联网观测进行了案例研究，旨在解决在城市环境下，由于热岛效应导致空气温度预测存在空间分辨率和历史气候样本不足等问题。

    Feb, 2021

  • 数字接触追踪的机器学习方法：TC4TL 挑战

    本研究探讨使用机器学习方法及蓝牙低功耗技术，通过对移动设备的传感数据和元数据分析距离，以改善传统手动接触追踪实践，达到防控传染病的目的。实验结果表明，使用 TableNet 结构和特征工程，可以显著提高模型性能，使得 nDCF 总得分从 2.08 下降到 0.21。

    Mar, 2022

  • 市民参与：众感式的可持续室内定位服务

    通过机器学习技术，提供室内定位服务，不需要额外的硬件设备投资，在可持续创新的环境中实现循环经济，并解决室内 GPS 定位的限制。

    Oct, 2023