A predição de atributos de usuários com base em grandes dados de rede inteligente é de grande importância para a construção de sistemas inteligentes de análise de grade e construção inteligente. Os métodos de aprendizagem de máquinas tradicionais baseados em análise de atributo de usuário único não podem melhorar a precisão usando a relação entre os vários atributos, Escavando dados faltantes, esses dois problemas restringiram o design de sistemas de redes inteligentes e a sofisticação de sistemas de construção inteligentes.
Cong Yang, pesquisador do Shenyang Institute of Automation, Academia Chinesa de Ciências, com base na pesquisa de muitos anos de algoritmos de aprendizado de máquinas, propôs um modelo de previsão de atributo de usuário supervisionado / semi-supervisionado baseado em aprendizagem multitarefa usando cada previsão de atributos como uma única tarefa e percebeu uma pequena quantidade de dados disponíveis Múltiplas tarefas ao mesmo tempo de aprendizagem e tomada de decisões. Ao mesmo tempo, a relação entre vários atributos de usuários foi escavada para melhorar a precisão de várias predições de atributos e o uso total de informações de amostra de dados perdidos para melhorar ainda mais a capacidade de generalização do modelo.
Os resultados relevantes da pesquisa são publicados nas Transações do IEEE no Smart Grid and Pattern Recogniton, respectivamente, pela Previsão Característica Conjunta do Lar através de Dados do Medidor Inteligente e descoberta de atributo do usuário com rótulos ausentes. A pesquisa foi apoiada pelo Laboratório Clínico do Estado da Robótica, a Fundação Nacional de Ciências Naturais da China Suporte.