La prédiction des attributs d'utilisateur basés sur de grandes données de réseau intelligent est d'une grande importance pour construire un système d'analyse de réseau intelligent et un bâtiment intelligent. Les méthodes traditionnelles d'apprentissage automatique basées sur l'analyse d'attributs utilisateur unique ne peuvent améliorer la précision. En creusant des données manquantes, ces deux problèmes ont limité la conception des systèmes de réseaux intelligents et la sophistication des systèmes de construction intelligents.
Shenyang Institut de l'automatisation Académie chinoise des sciences chercheur Yang Cong basé sur des années de recherche dans l'algorithme d'apprentissage automatique, prédit par chaque propriété comme une tâche unique, le modèle multi-tâches proposé la prévision basée sur les attributs d'apprentissage / utilisateur semi-supervisé supervisé pour atteindre dans une petite quantité de données disponibles les multiples tâches en même temps d'apprentissage et la prise de décision en même temps, creuser la relation entre plusieurs propriétés utilisateur améliorées plusieurs attributs précision prévision, l'utilisation complète de l'information de l'échantillon de données manquantes, pour améliorer encore la généralisation du modèle.
Les résultats de recherche, respectivement conjointe des ménages Prédiction caractéristique par des compteurs intelligents découverte d'attributs de données et l'utilisateur avec des étiquettes manquantes dans le titre, publié dans IEEE Transactions on Smart Grid et modèle Recogniton. Les travaux de recherche soutenus par le laboratoire national clé de la robotique, la Fondation nationale des sciences naturelles de Chine soutien.
