La predicción de atributos de usuario basados en big data de smart grid es de gran importancia para construir un sistema inteligente de análisis de grid y un edificio inteligente. Los métodos tradicionales de aprendizaje automático basados en análisis de atributos de usuario único no pueden mejorar la precisión al usar la relación entre los diversos atributos. Al cavar datos faltantes, estos dos problemas han limitado el diseño de los sistemas de redes inteligentes y la sofisticación de los sistemas de construcción inteligentes.
Shenyang Instituto de Automatización de la Academia China de Ciencias investigador Yang Cong basado en años de investigación en el algoritmo de aprendizaje automático, predicha por cada propiedad como una sola tarea, multitarea propone un modelo de predicción basada en atributos de aprendizaje / usuario semi-supervisada supervisada de lograr en una pequeña cantidad de datos disponibles las múltiples tareas al mismo tiempo de aprendizaje y toma de decisiones, al mismo tiempo, desenterrar la relación entre múltiples propiedades de usuario mejoradas pronostican varios atributos exactitud; pleno uso de la información de la muestra los datos que faltan, para mejorar aún más el modelo de generalización.
Los resultados de investigación, respectivamente Conjunto de Hogares Predicción característica a través de Smart Meter datos y detección de atributos de usuario con etiquetas que faltan en el título, publicado en el IEEE Transactions on Inteligente Patrón Recogniton. El trabajo de investigación de cuadrícula y apoyadas por el Laboratorio Nacional de clave de la robótica, la Fundación Nacional de Ciencias Naturales de China Apoyo.
