Binolarda energiya

Machine Translated by Google

Binolarda energiya tejamkorligi uchun intellektual boshqaruv tizimlari: tadqiqot ^{A: 27}

13. 
    rasm. Foydalanuvchining afzalliklarini ifodalash tizimlarining taksonomiyasi.
    

va boshqalar. 2005], bu erda neyron tarmoq kontekst ma'lumotlari va foydalanuvchilar tomonidan tanlangan xizmatlar o'rtasidagi bog'lanishni takrorlash uchun o'rgatiladi. Garchi ta'lim tizimi on-layn bo'lsa-

da, shuning uchun dinamik, bu usul to'plangan ma'lumotlardagi noaniqliklarni hisobga olishga imkon bermaydi.

LOSHA
Turli xil yondashuv foydalanuvchining xohish-istaklarini qondirish uchun BMS tomonidan bajarilishi kerak bo'lgan qoidalar to'plamini o'rganish orqali yashirin kodlashdan iborat. Ushbu kichik sinf o'z qoidalarini qabul qilingan fikr-mulohazalar asosida moslashtiradigan noaniq kontrollerlarga asoslangan yondashuvlarni o'z ichiga oladi. Noaniq kontrollerlar asosan uy avtomatizatsiyasida qo'llaniladi, chunki ular noaniq yoki noaniq ma'lumotlar mavjud bo'lganda ham juda mustahkam tizimlarni amalga oshiradilar. Loyqa tizimdan foydalanish [Doc tor et al. 2005; Hagras va boshqalar. 2007], bu uch o'lchovli a'zolik funktsiyalaridan aniq foydalanadi, shu jumladan noaniqlik izi. Kontekstli ma'lumotlardan foydalanadigan loyqa boshqaruvchidan foydalanish [Vainio va boshqalar. 2008] bu atrof-muhit sharoitlari, masalan, yorug'lik bilan bog'liq ma'lumotlardan tashqari, foydalanuvchining xohishi va kun vaqti kabi qo'shimcha ma'lumotlardan foydalanadi. Ikkala yondashuvda ham oÿ-line treningda o'rganilgan qoidalar to'plami
foydalanuvchilardan olingan aniq fikr-mulohazalar asosida on-layn foydalanish jarayonida ketma-ket sozlanadi.
Kuchaytirishni o'rganish (RL) [Satton va Barto 1998] - bu bilvosita modellashtirilgan foydalanuvchi imtiyozlariga yaxshiroq mos keladigan qoidalarni dinamik ravishda o'rganish uchun mos keladigan yana bir usul. Muayyan vaziyatda bajarilgan har bir harakat, atrof-muhitning reaktsiyasi natijasida hosil bo'lgan
mukofot funktsiyasi sifatida dinamik ravishda belgilanadigan sifat qiymati bilan bog'liq. RL foydalanuvchining afzalliklarini o'rganish uchun foydalanilganda, agar foydalanuvchi aktuatorlarda ishlayotgan bo'lsa, tizim tomonidan taklif qilingan sozlamani qayta yozgan bo'lsa, salbiy mukofot odatda oxirgi bajarilgan harakat bilan bog'lanadi; bu yondashuv Neyron Net Work House da qo'llaniladi [Mozer 1998]. [Xalili va boshq.
2010] Ierarxik mustahkamlashni o'rganish (HRL) foydalanuvchi imtiyozlarini tushunish uchun qabul qilingan. Ushbu uslub an'anaviy RL tizimlari tomonidan ko'rsatilgan sekin konvergentsiyani hal qilishga qaratilgan. Adabiyotdagi ba'zi ishlar aktuatorlarni boshqarish qoidalarini ifodalash uchun ontologiyalarni qabul qilishni taklif qiladi, bu esa foydalanuvchining afzalliklarini yashirin kodlashni ta'minlaydi. Masalan, IntelliDomo [Boton-Fernandez va Lozano-Tello 2011] boshqaruv qoidalarini SWRL (Semantik Web Rule Languages) sifatida ifodalaydi. Tizim foydalanuvchi xatti-harakatlaridagi tez-tez va davriy naqshlarni aniqlash uchun ma'lumotlarni yig'ish usullaridan foydalanadi. Ular topilgach, ular qoidalarga kodlanadi. O'rganish dinamik va onlayn bo'lib, foydalanuvchi tizimning ishlashi haqida fikr bildirish orqali istalgan lahzada qoidalarni o'zgartirishi mumkin.

Foydalanuvchining afzalliklarini o'rganish uchun to'plangan ma'lumotlardagi potentsial noaniqlikni, shuningdek, foydalanuvchi xatti-harakatlaridagi mumkin bo'lgan engil, to'satdan va tartibsiz o'zgarishlarni ko'rib chiqishda ehtimollik yondashuvini qo'llash juda foydali bo'lishi mumkin. Bunday holda, Bayes tarmoqlari (BN) bebaho vositadir, chunki ular dunyoning turli xil xususiyatlari o'rtasidagi ehtimoliy bog'lanishlarni ifodalash imkonini beradi. BN [Kushwaha et al. 2004] foydalanuvchining o'tmishdagi xatti- harakatlarini diqqat bilan taqlid qilish uchun aktuatorlarda bajarilishi kerak bo'lgan harakatlar ketma-

ketligini aniqlash. O'rganish yashirin tasmani ifodalovchi foydalanuvchi harakatlarini yozib olish orqali amalga oshiriladi

ACM Computing Surveys, jild. V, ÿ N, A maqola, nashr etilgan sana: YYYY yanvar.