BriefGPT - AI 论文速递
·
基于位置编码的多住户智能家居居民识别
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该文介绍了一种新颖的居民识别框架，利用基于位置编码概念的特征提取模型，使用Node2Vec算法将住宅位置转换为高维节点嵌入，并使用长短期记忆模型预测居民身份。实验结果表明，该方案在多居住者环境中识别居民的准确率分别达到94.5％和87.9％。
🎯
关键要点
-
提出了一种新颖的居民识别框架，用于在多居住者智能环境中识别居民。
-
框架利用基于位置编码概念的特征提取模型，将住宅位置视为一个图形。
-
设计了一种新颖的算法，从智能环境的布局图构建图形。
-
使用Node2Vec算法将图形转换为高维节点嵌入。
-
引入长短期记忆（LSTM）模型，结合节点嵌入与传感器事件的时间序列预测居民身份。
-
实验结果显示，该方案在多居住者环境中的识别准确率分别达到94.5％和87.9％。
🏷️
