Gjør som tusenvis av andre bokelskere
Abonner på vårt nyhetsbrev og få rabatter og inspirasjon til din neste leseopplevelse.
Ved å abonnere godtar du vår personvernerklæring.Du kan når som helst melde deg av våre nyhetsbrev.
Klasterizaciq i raspoznawanie dejstwij - wazhnoe naprawlenie issledowanij w oblasti umnogo doma. Klastery rezul'tatow, poluchennye w processe obucheniq, primenqütsq dlq raspoznawaniq, kontrolq i prognozirowaniq deqtel'nosti w sensornom umnom dome. Dejstwiq otlichaütsq drug ot druga po tipichnym harakteristikam, takim kak srabatywanie naborow datchikow ili wremennye harakteristiki. V dannoj rabote my predstawlqem infrastrukturu umnogo doma i predlagaem podhod k klasterizacii domashnih dejstwij na osnowe wremennyh harakteristik, ne trebuüschij kontrolq. Rezul'taty äxperimentow pokazywaüt, chto nowyj podhod sozdaet bolee gibkie i tochnye rezul'taty klasterizacii po srawneniü s sistemoj umnogo doma pod nazwaniem AALO, predstawlennoj w issledowatel'skoj rabote Enamul Hoque et al. Krome togo, w dannoj rabote dokazano, chto rezul'taty klasterizacii suschestwenno wliqüt na rezul'tat processa prognozirowaniq sleduüschego dejstwiq, chto podtwerzhdaetsq rezul'tatami äxperimental'nogo srawneniq.
Abonner på vårt nyhetsbrev og få rabatter og inspirasjon til din neste leseopplevelse.
Ved å abonnere godtar du vår personvernerklæring.