스마트 그리드의 큰 데이터에 기반한 사용자 속성 예측은 스마트 그리드 분석 시스템과 지능형 빌딩을 구축하는 데 매우 중요합니다. 단일 사용자 속성 분석을 기반으로하는 기존의 기계 학습 방법은 다양한 속성 간의 관계를 사용하여 정확도를 향상시킬 수 없으며, 누락 된 데이터를 파헤 치면서이 두 가지 문제는 스마트 그리드 시스템의 설계와 지능형 빌딩 시스템의 정교함을 제한했습니다.
중국 심양 자동화 연구소의 Cong Yang 연구원은 다년간의 기계 학습 알고리즘 연구를 기반으로 각 속성 예측을 하나의 작업으로 사용하여 다중 작업 학습 기반 감독자 / 반 감독 사용자 속성 예측 모델을 제안하고 소량의 사용 가능한 데이터를 실현했습니다 학습 및 의사 결정을 동시에 수행하는 여러 작업. 동시에 여러 특성의 정확성을 향상시키고 누락 된 데이터 샘플 정보를 최대한 활용하여 모델 일반화 기능을 향상시킵니다.
연구 결과, 스마트 미터 데이터 및 로봇 공학의 국가 중점 실험실, 중국 국가 자연 과학 재단에서 지원하는 스마트 그리드 및 패턴 Recogniton. 연구 작업에 IEEE 거래에 발표 제목에 누락 된 라벨을 가지고있는 사용자 특성 검색을 통해 각각 공동 가정용 특성 예측 지원.
