-
题名基于机器学习的智能家居系统的设计与实现
被引量：3
- 1
-
-
作者
尹力辰
杨开语
赵露露
孙泽军
-
机构
平顶山学院信息工程学院
-
出处
《物联网技术》
2023年第1期129-133,136,共6页
-
基金
河南省教育科学规划课题:“互联网+背景下学生网络学习行为分析及预警”(2021YB0232)
河南省高等学校重点科研项目:“智慧教育背景下基于神经网络的学生学习行为画像研究”(23A520051)。
-
文摘
为了满足人们对智能家居的个性化需求,设计并实现了一种基于多路融合归并的机器学习的智能家居系统。该系统采用阿里云物联网平台,以ESP8266作为系统的控制端,多个传感器作为系统的检测端,多个控制器作为系统的控制端口,通过MQTT协议分享数据,并通过手机APP进行查阅。通过阿里云物联网平台中API接口,获取用户行为数据;并基于这些行为数据,采用数据处理与分析技术、信息挖掘技术、机器学习技术,建立KNN以及随机森林模型对用户进行预测,并将结果反馈到平台进行控制,为用户提供一个良好的个性化智能家居系统。
-
关键词
物联网
智能家居
KNN模型
随机森林模型
机器学习
用户行为
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度强化学习的电网关键节点识别
- 2
-
-
作者
孙泽军
常新峰
王飞飞
杨开语
-
机构
平顶山学院信息工程学院
-
出处
《电子设计工程》
2024年第15期166-171,共6页
-
基金
河南省科技攻关项目(222102210129)。
-
文摘
电网中某个关键节点发生故障,可能会引起级联失效,导致整个区域大面积停电。针对电网关键节点识别问题,提出了基于深度强化学习的电网关键节点识别模型。该模型通过图神经网络GCN对电网网络结构进行感知,对动作和状态进行向量表示,通过DQN的决策,选择最优动作,进行梯度回传,不断迭代优化参数,得到最优模型。基于该模型设计了电网关键节点检测算法KNDDRL,并在不同网络上进行了大量的实验,实验结果表明该算法能够有效识别电力网络中的关键节点,其效果优于所比较的代表性算法。
-
关键词
关键节点识别
电网
深度强化学习
复杂网络
GCN
-
Keywords
critical nodes identification
power grid
deep reinforcement learning
complex network
GCN
-
分类号
TN919
[电子电信—通信与信息系统]
-
-
题名“互联网+”背景下学生网络学习行为分析及预警
- 3
-
-
作者
孙泽军
常新峰
王飞飞
杨开语
-
机构
平顶山学院信息工程学院
-
出处
《平顶山学院学报》
2023年第2期37-46,共10页
-
基金
河南省教育科学规划课题(2021YB0232)
河南省高等学校重点科研项目(23A520051)。
-
文摘
随着“互联网+”模式的飞速发展和普及,信息技术改变了传统的教学模式,网络学习和智慧教学受到了大众的青睐.笔者针对当前网络学习行为分析存在的不足,基于工程教育认证理念,采用数据挖掘方法、机器学习算法和可视化技术对学生的网络学习行为、课程目标达成度及期末成绩进行多维度分析,并根据学生学习行为对期末成绩进行预测,给出预警.该研究有利于探索蕴含在数据背后的学习规律,为管理者提供决策支持,为教师教学提供支撑数据,为学生提供学业指导和预警.
-
关键词
学习行为分析
互联网+
机器学习
数据挖掘
聚类
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
