基于深度信念网络的家居设备状态预测模型

摘要

由于不同的智能家居设备之间的独立性以及通讯方式的差异,增大了用户使用和管理方面的难度.为了解决智能家居设备在自动化控制方面的难题,提出了一种基于深度信念网络的网络预测模型.该模型首先针对单个设备采用基于受限玻尔兹曼机的深度置信网络构建设备模型,通过无监督预训练逐层地挖掘设备通用化特征,最终采用有监督BP神经网络作为常规拟合层,综合考虑多个独立设备进行构建和训练网络预测模型.经过训练,该模型能够预测智能设备工作状态,根据预测结果调整相应设备,实现对智能家居设备的预测.该模型对智能设备工作状态的预测准确率达到97％,并在收敛速度以及设备数量影响方面具备较好的预期效果.实验结果表明,该模型能够充分发掘智能设备状态和用户信息间的联动关系,实现后续对设备的智能化自动控制.