基于演化LSTM神經(jīng)網(wǎng)絡(luò)的用戶終端睡眠預(yù)測(cè)模型
發(fā)布時(shí)間:2024-06-10 23:18
用戶處于睡眠狀態(tài)時(shí)手機(jī)后臺(tái)自主掛起不必要的系統(tǒng)或應(yīng)用進(jìn)程可以有效降低能耗,因此在不損害用戶使用體驗(yàn)的前提下準(zhǔn)確判斷用戶是否處于睡眠狀態(tài)具有重要意義.圍繞該問(wèn)題設(shè)計(jì)了覆蓋率和喚醒率作為新的衡量指標(biāo),提出一種基于LSTM神經(jīng)網(wǎng)絡(luò)的睡眠預(yù)測(cè)模型,結(jié)合LSTM神經(jīng)網(wǎng)絡(luò)能夠較好處理時(shí)序特征數(shù)據(jù)的特點(diǎn)和演化算法能夠優(yōu)化不可導(dǎo)目標(biāo)函數(shù)的特性,將LSTM神經(jīng)網(wǎng)絡(luò)的參數(shù)作為差分演化算法的優(yōu)化參數(shù),覆蓋率和喚醒率的綜合目標(biāo)作為選擇函數(shù),同時(shí)在每次迭代中重新評(píng)估選擇函數(shù)使其適應(yīng)小批量訓(xùn)練法.實(shí)驗(yàn)結(jié)果表明,采用演化算法訓(xùn)練LSTM神經(jīng)網(wǎng)絡(luò)得到的預(yù)測(cè)結(jié)果相較于傳統(tǒng)分類模型能在低喚醒率時(shí)達(dá)到更好的覆蓋率,平均提升約5%.
【文章頁(yè)數(shù)】:8 頁(yè)
本文編號(hào):3992047
【文章頁(yè)數(shù)】:8 頁(yè)
本文編號(hào):3992047
本文鏈接:http://sikaile.net/kejilunwen/wltx/3992047.html
最近更新
教材專著