A general approach is proposed to d

A general approach is proposed to determine the common sensors that shall be used to estimate and
classify the approximate number of people (within a range) in a room. The range is dynamic and depends
on the maximum occupancy met in a training data set for instance. Means to estimate occupancy include
motion detection, power consumption, CO2 concentration sensors, microphone or door/window positions. The proposed approach is inspired by machine learning. It starts by determining the most useful
measurements in calculating information gains. Then, estimation algorithms are proposed: they rely on
decision tree learning algorithms because these yield decision rules readable by humans, which correspond to nested if-then-else rules, where thresholds can be adjusted depending on the living areas
considered. In addition, the decision tree depth is limited in order to simplify the analysis of the tree
rules. Finally, an economic analysis is carried out to evaluate the cost and the most relevant sensor sets,
with cost and accuracy comparison for the estimation of occupancy. C45 and random forest algorithms
have been applied to an office setting, with average estimation error of 0.19–0.18. Over-fitting issues and
best sensor sets are discussed.

Kết quả (Việt) 1:

Một cách tiếp cận chung là đề xuất để xác định các cảm biến thông thường sẽ được sử dụng để ước lượng vàphân loại số người (trong phạm vi) trong một căn phòng, gần đúng. Phạm vi năng động và phụ thuộctrên suất phòng tối đa đáp ứng trong một tập hợp dữ liệu đào tạo ví dụ. Các phương tiện để ước tính suất phòng bao gồmphát hiện chuyển động, tiêu thụ điện năng, bộ cảm biến nồng độ khí CO 2, vị trí Micro hoặc cửa/cửa sổ. Các phương pháp được đề xuất lấy cảm hứng từ máy học. Nó bắt đầu bằng cách xác định hữu ích nhấtsố đo để tính toán lợi nhuận thông tin. Sau đó, dự toán các thuật toán được đề xuất: họ dựa vàoquyết định các thuật toán học cây bởi vì sản lượng quyết định quy chế này có thể đọc được con người tương ứng với lồng nhau nếu-sau đó-khác quy định, nơi ngưỡng có thể được điều chỉnh tùy thuộc vào khu vực sinh sốngxem xét. Ngoài ra, độ sâu cây quyết định là giới hạn để đơn giản hóa việc phân tích của câyquy tắc. Cuối cùng, một phân tích kinh tế được thực hiện để đánh giá các chi phí và bộ cảm biến có liên quan nhất,với so sánh chi phí và độ chính xác cho ước tính của người. C45 và thuật toán ngẫu nhiên rừngđã được áp dụng để thiết lập một văn phòng, với trung bình ước tính sai số 0,19-0,18. Over-phù hợp các vấn đề vàbộ cảm biến tốt nhất được thảo luận.

Kết quả (Việt) 2:

Một cách tiếp cận chung là đề xuất để xác định các cảm biến thông thường được sử dụng để ước lượng và
phân loại các số gần đúng của người dân (trong một phạm vi) trong một căn phòng. Phạm vi đó là năng động và phụ thuộc
vào số người tối đa gặp nhau trong một dữ liệu đào tạo thiết ví dụ. Phương tiện để ước tính chiếm bao gồm
phát hiện chuyển động, tiêu thụ điện, cảm biến nồng độ CO2, microphone hoặc các vị trí cửa / cửa sổ. Các phương pháp đề xuất được lấy cảm hứng từ máy học. Nó bắt đầu bằng cách xác định những hữu ích nhất
đo trong việc tính toán lợi ích thông tin. Sau đó, các thuật toán ước lượng được đề xuất: họ dựa trên
các thuật toán học cây quyết định vì những quyết định năng suất quy tắc có thể đọc được bởi con người, tương ứng với lồng quy tắc if-then-else, nơi ngưỡng có thể được điều chỉnh tùy thuộc vào khu vực sinh hoạt
xem xét. Ngoài ra, độ sâu cây quyết định được giới hạn để đơn giản hóa việc phân tích các cây
quy tắc. Cuối cùng, một phân tích kinh tế được thực hiện để đánh giá chi phí và các bộ cảm biến có liên quan nhất,
với chi phí và độ chính xác so với dự toán của phòng. Thuật toán rừng C45 và ngẫu nhiên
đã được áp dụng cho một thiết lập văn phòng, với lỗi ước lượng trung bình 0,19-0,18. Hơn rãi các vấn đề và
các bộ cảm biến tốt nhất được thảo luận.

Kết quả (Việt) 3:

Đề nghị một cách chung chung, để chắc chắn cảm ứng, áp dụng cho dự đoán vàTrong một căn phòng có số lượng xấp xỉ người (trong một phạm vi bên trong).Phạm vi năng động, phụ thuộc vàoTrong trường hợp của dữ liệu tập huấn luyện lớn nhất chiếm.Phương pháp ước tính chiếm bao gồmThể thao công Hao, nồng độ carbon dioxide phát hiện, cảm biến, MIC cổng OR / vị trí cửa sổ.Đã đưa ra phương pháp là được truyền cảm hứng từ một học máy.Nó bắt đầu bằng cách xác định hữu ích nhất củaThông tin đo tính toán tăng.Sau đó, họ dựa vào thuật toán đưa ra ước tính:Cây quyết định học thuật toán, vì những quyết định luật tỷ lệ thu nhập của người đọc, nó tương ứng với lồng nhau, nếu sau đó tất cả luật lệ, trong đó có thể điều chỉnh ngưỡng theo lĩnh vực, cuộc sốngCân nhắc.Ngoài ra, cây quyết định độ sâu có giới hạn, để đơn giản hóa phân tích của cây.Quy tắc.Cuối cùng, tiến hành phân tích kinh tế để đánh giá chi phí và liên quan nhiều nhất của bộ cảm biến,Được dùng để ước tính chiếm chi phí và chính xác hơn.Thuật toán ngẫu nhiên C45 và rừng.Đã áp dụng cho môi trường văn phòng, ước tính trung bình cho 0.18 đến lỗi 0.19.Quá nhiều vấn đề và phù hợpBộ cảm biến tốt nhất đã tiến hành thảo luận.