Learning is an essential feature in

Learning is an essential feature in any Intelligent Environment. However, given the
diversity of elements that must converge in order to obtain the infrastructure needed
for an Intelligent Environment, learning has not received as much attention in the
literature as it may require. Some notable exceptions are mentioned below.
Mozer et al. (Mozer et al, 1995) and Chan et al. (Chan et al, 1995) were amongst
the rst reports on applications for AmI environments in which user patterns were con-
sidered. In the case of Mozer et al., the aim of their system (installed in the Adaptive
House) was to design an adaptive control system that considers the lifestyle and energy
consumption of the inhabitants. For that, they used a feed-forward neural network to
develop an occupancy predictor and zone anticipator, which were used to predict where
the user would be in the coming seconds and control lighting based on those predic-
tions. Chan et al. developed a similar application in order to asses if a given situation
was normal or abnormal. Other authors have kept using ANNs in order to provide
personalized services. Thus, Campo et al. (Campo et al, 2006) developed a system that
calculated the probability of occupation for each area of the house and systematically
compared the probability with the current situation. A survey of those works can be
found in (Begg and Hassan, 2006). The use of ANNs has a limitation related to their
black box nature; therefore their internal structure is not comprehensible.

Kết quả (Việt) 1:

Học tập là một tính năng rất cần thiết trong bất kỳ môi trường thông minh. Tuy nhiên, đưa ra cácsự đa dạng của các yếu tố phải hội tụ để có được cơ sở hạ tầng cần thiếtcho một môi trường thông minh, học tập đã không nhận được nhiều sự chú ý trong cácvăn học như là nó có thể yêu cầu. Một số trường hợp ngoại lệ đáng chú ý được đề cập dưới đây.Mozer et al. (Mozer và ctv., 1995) và Chan et al. (Chan và ctv., 1995) đã giữarst báo cáo về ứng dụng cho AmI môi trường trong đó người sử dụng các mẫu là con-sidered. Trong trường hợp của Mozer và ctv., mục đích của hệ thống của họ (được cài đặt trong thích nghiNhà) là để thiết kế một hệ thống điều khiển thích nghi mà sẽ xem xét các lối sống và năng lượngmức tiêu thụ của người dân. Cho rằng, họ đã sử dụng mạng nơ-ron nuôi tiếnphát triển một suất phòng dự báo và khu vực anticipator, mà đã được sử dụng để dự đoán nơingười dùng sẽ trong vài giây tới và kiểm soát ánh sáng dựa trên những predic-tions. Chan et al. đã phát triển một ứng dụng tương tự theo thứ tự để lừa nếu một tình huống nhất địnhlà bình thường hoặc bất thường. Các tác giả khác đã giữ sử dụng ANNs để cung cấpCác dịch vụ được cá nhân hoá. Vì vậy, Campo et al. (Campo et al, 2006) đã phát triển một hệ thống màtính xác suất của sự chiếm đóng của từng khu vực của ngôi nhà và có hệ thốngso sánh khả năng với tình hình hiện nay. Một cuộc khảo sát của những công trình có thểtìm thấy trong (Begg Hassan, 2006). Việc sử dụng các ANNs có một giới hạn liên quan đến củaThiên nhiên hộp đen; do đó cơ cấu nội bộ của họ không phải là dễ hiểu.

Kết quả (Việt) 2:

Học tập là một tính năng cần thiết trong bất kỳ môi trường thông minh. Tuy nhiên, do
sự đa dạng của các yếu tố đó phải hội tụ để có được cơ sở hạ tầng cần thiết
cho một môi trường thông minh, học tập đã không nhận được nhiều sự chú ý trong
văn học như nó có thể yêu cầu. Một số trường hợp ngoại lệ đáng chú ý được đề cập dưới đây.
Mozer et al. (Mozer et al, 1995) và Chan et al. (Chan et al, 1995) nằm trong
các báo cáo đầu tiên về các ứng dụng cho các môi trường AMI, trong đó mô hình sử dụng là con-
sidered. Trong trường hợp của Mozer et al., Mục đích của hệ thống của họ (được cài đặt trong Adaptive
House) đã thiết kế một hệ thống điều khiển thích nghi mà xem xét lối sống và năng lượng
tiêu thụ của người dân. Cho rằng, họ đã sử dụng một mạng lưới thần kinh feed-forward để
phát triển một công suất dự báo và khu anticipator, được sử dụng để dự đoán vị trí
người sử dụng sẽ được ở giây và kiểm soát đến ánh sáng dựa trên những tiên đoán
tions. Chan et al. phát triển một ứng dụng tương tự để lừa nếu một tình huống nhất định
là bình thường hay bất thường. Các tác giả khác đã giữ sử dụng ANNs để cung cấp
dịch vụ cá nhân. Như vậy, Campo et al. (Campo et al, 2006) đã phát triển một hệ thống
tính toán xác suất của nghề nghiệp cho từng khu vực của ngôi nhà và có hệ thống
so với các xác suất với tình hình hiện nay. Một cuộc khảo sát của những công trình có thể được
tìm thấy trong (Begg và Hassan, 2006). Việc sử dụng ANNs có một giới hạn liên quan đến họ
hộp chất đen; do đó cơ cấu nội bộ của họ không phải là dễ hiểu.