文献

J-GLOBAL ID：201702278170948958   整理番号：17A0446628

皮膚温度を用いた熱需要を予測するための機械学習アプローチ:定常状態条件【Powered by NICT】

Machine learning approaches to predict thermal demands using skin temperatures: Steady-state conditions

著者 (5件)： Dai Changzhi (Department of Architecture, School of Naval Architecture, Ocean & Civil Engineering, Shanghai Jiao Tong University, China) ,  Dai Changzhi (Center for the Built Environment, UC Berkeley, USA) ,  Zhang Hui (Center for the Built Environment, UC Berkeley, USA) ,  Arens Edward (Center for the Built Environment, UC Berkeley, USA) ,  Lian Zhiwei (Department of Architecture, School of Naval Architecture, Ocean & Civil Engineering, Shanghai Jiao Tong University, China)
資料名： Building and Environment  (Building and Environment)
巻： 114  ページ： 1-10  発行年： 2017年 
JST資料番号： C0858A  ISSN： 0360-1323  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 暖冷房システムにおける非効率的な制御戦略は,大量のエネルギー廃棄物と建物の熱環境に関する広範な愁訴が出現している。サポートベクトルマシン(SVM)分類器に基づく知的制御法を提案した。皮膚温度をモデルに入力のみであり,定常状態熱需要を認識における魅力的な予測力を示した。データは二の研究から蓄積した,個々の利用可能性または居住者の群を考察した。シングルスキン温度を用いた熱需要の80%を正しく予測した。異なる身体セグメントからの複合皮膚温度を用いた90%以上の精度にモデルを改善することができる。結果は,分類のための情報とより十分に含まれる三皮膚位置は次元の呪いを引き起こすであろうことを示した。異なる皮膚温度を用いてモデルを比較した。各モデルのための最適パラメータを,グリッド探索法を使用して決定した。過剰適合可能性と学習過程のない場合を考慮して,線形カーネルを用いたSVM分類器は,Gaussカーネルのものよりも優位である。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *機械学習 ,  温熱環境 ,  *皮膚温 ,  住民 ,  サポートベクトルマシン
準シソーラス用語： Gaussカーネル ,  SVM分類 ,  学習過程 ,  探索法 ,  最適パラメータ ,  次元の呪い ,  インテリジェント制御 ,  制御戦略 ,  冷暖房 ,  *定常状態 , 【Automatic Indexing@JST】

著者キーワード (4件)： 熱環境 ,  皮膚温度 ,  サポートベクトルマシン ,  インテリジェント制御

分類 (1件)： 建築環境一般  (RB02010T)

タイトルに関連する用語 (5件)： 皮膚温度 ,  熱需要 ,  予測 ,  機械学習 ,  定常状態