基于BayesNN和Transformer双模型融合的主动空气服务技术
吕闯
邓苏鸣
林沿铮
樊其锋
高峰
美的家用空调事业部 广东佛山 528000
摘要：在智能家居领域,精准预测用户潜在的使用行为是提升用户体验的一项关键技术.不当的空调操作会降低空调使用效果、增加能耗甚至降低空调使用寿命.目前,空调风险识别技术有限,不能应对复杂场景,并缺少个性化建议.提出了基于Bayesian-Transformer混合模型(BTHNM)的技术框架,通过整合用户历史行为数据、体感数据和环境数据,利用BTHNM模型可以准确地预测潜在的风险操作并给出合理的操作建议.BTHNM模型相较传统规则方法,能够捕获用户行为、时间、环境之间的深度关联关系,风险事件识别的准确率和及时性均有大幅提升.通过实验对比分析,BTHNM模型验证风险事件识别正确率比传统规则方法提升40％,建议准确率提升41％.
关键词：Transformer贝叶斯网络试验研究特征提取事件识别操作推荐
分类号：TM925(电气化、电能应用)TP391.5(计算技术、计算机技术)
资助基金：广东美的制冷设备有限公司国内主动智能预警服务(RA00021359)
论文发表日期：2023-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 34-37 )
英文信息