用戶處于睡眠狀態(tài)時手機(jī)后臺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.圍繞該問題設(shè)計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)測模型,結(jié)合LSTM神經(jīng)網(wǎng)絡(luò)能夠較好處理時序特征數(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),同時在每次迭代中重新評估選擇函數(shù)使其適應(yīng)小批量訓(xùn)練法.實驗結(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)測結(jié)果相較于傳統(tǒng)分類模型能在低喚醒率時達(dá)到更好的覆蓋率,平均提升約5%.

【文章頁數(shù)】：8 頁


本文編號：3992047