論文の概要: Machine learning approach in the development of building occupant personas

• arxiv url: http://arxiv.org/abs/2207.11239v1
• Date: Tue, 19 Jul 2022 20:27:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-07 14:40:24.139254
• Title: Machine learning approach in the development of building occupant personas
• Title（参考訳）: 建築要員の育成における機械学習アプローチ
• Authors: Sheik Murad Hassan Anik, Xinghua Gao, Na Meng
• Abstract要約: 占有するペルソナの構築は、デザイナーがユーザのアーカイタイプを記述するメンタルモデルを作成するためのコミュニケーションツールである。 本研究では,機械学習に基づく半自動化手法の提案と評価を行った。 モデルの平均精度は61%で、世帯の居住者数、年齢グループ、暖房や冷却装置の使用など、属性の90%以上を達成している。
• 参考スコア（独自算出の注目度）: 4.932806255841464
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The user persona is a communication tool for designers to generate a mental model that describes the archetype of users. Developing building occupant personas is proven to be an effective method for human-centered smart building design, which considers occupant comfort, behavior, and energy consumption. Optimization of building energy consumption also requires a deep understanding of occupants' preferences and behaviors. The current approaches to developing building occupant personas face a major obstruction of manual data processing and analysis. In this study, we propose and evaluate a machine learning-based semi-automated approach to generate building occupant personas. We investigate the 2015 Residential Energy Consumption Dataset with five machine learning techniques - Linear Discriminant Analysis, K Nearest Neighbors, Decision Tree (Random Forest), Support Vector Machine, and AdaBoost classifier - for the prediction of 16 occupant characteristics, such as age, education, and, thermal comfort. The models achieve an average accuracy of 61% and accuracy over 90% for attributes including the number of occupants in the household, their age group, and preferred usage of heating or cooling equipment. The results of the study show the feasibility of using machine learning techniques for the development of building occupant persona to minimize human effort.
• Abstract（参考訳）: user personaは、デザイナーがユーザーのアーカイブタイプを記述するメンタルモデルを生成するためのコミュニケーションツールである。 利用者の快適さ,行動,エネルギー消費を考慮した,人間中心のスマートビル設計のための効果的な手法であることが実証されている。 建物のエネルギー消費の最適化はまた、居住者の好みや行動の深い理解を必要とする。 人格構築への現在のアプローチは、手動データ処理と分析の大きな障害に直面している。 本研究では,機械学習に基づく半自動化手法の提案と評価を行った。 我々は,2015年の家庭用エネルギー消費データセットを,線形判別分析,K近縁地区,決定木(ランドムフォレスト),サポートベクターマシン,およびAdaBoost分類器の5つの機械学習技術を用いて検討し,年齢,教育,温熱快適度など16の居住特性の予測を行った。 このモデルは、世帯内の居住者数、年齢層、暖房や冷却機器の好適使用を含む属性について、平均61%の精度と90%以上の精度を達成している。 本研究は,人的努力を最小限に抑えるために,人格構築のための機械学習技術の利用の可能性を示した。

関連論文リスト

• Data Augmentation in Human-Centric Vision [54.97327269866757]
  本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。 それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。 我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
  論文  参考訳（メタデータ） (2024-03-13T16:05:18Z)
• Evaluating the Utility of Model Explanations for Model Development [54.23538543168767]
  機械学習モデル構築の実践シナリオにおいて、説明が人間の意思決定を改善するかどうかを評価する。 驚いたことに、サリエンシマップが提供されたとき、タスクが大幅に改善されたという証拠は見つからなかった。 以上の結果から,サリエンシに基づく説明における誤解の可能性と有用性について注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2023-12-10T23:13:23Z)
• Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot [52.277579221741746]
  住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。 人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。 本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
  論文  参考訳（メタデータ） (2023-11-09T13:01:21Z)
• RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
  RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。 我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
  論文  参考訳（メタデータ） (2023-11-02T17:59:21Z)
• Planning for Learning Object Properties [117.27898922118946]
  我々は、物体特性を象徴的な計画問題として認識するために、ニューラルネットワークを自動的に訓練する問題を定式化する。 トレーニングデータセット作成と学習プロセスを自動化するための戦略を作成するために,計画手法を使用します。 シミュレーションと実環境の両方で実験的な評価を行う。
  論文  参考訳（メタデータ） (2023-01-15T09:37:55Z)
• Proactive Robot Assistance via Spatio-Temporal Object Modeling [15.785125079811902]
  アクティブなロボット支援により、ロボットは明示的に尋ねられることなく、ユーザのニーズを予測し、提供することができる。 本稿では,オブジェクト配置の時間的シーケンスからオブジェクトのダイナミクスを学習するための生成グラフニューラルネットワークを提案する。 我々のモデルは、オブジェクトの動きを予測し、11.1%以上のオブジェクトの場所を正しく予測し、人間の使用するオブジェクトを11.5%少なくする位置を正しく予測する上で、主要なベースラインよりも優れています。
  論文  参考訳（メタデータ） (2022-11-28T16:20:50Z)
• Machine Learning for Smart and Energy-Efficient Buildings [5.472392992130677]
  建物内のエネルギー消費は、米国のエネルギー消費の約40%を占めている。 我々は、機械学習を利用して建物を賢くエネルギー効率良くする方法をレビューする。
  論文  参考訳（メタデータ） (2022-11-27T17:04:31Z)
• Power Management in Smart Residential Building with Deep Learning Model for Occupancy Detection by Usage Pattern of Electric Appliances [0.4987480084635553]
  提案アルゴリズムは, 電化製品の技術情報を用いて95.798.4%の占有率検出を実現する。 電力消費量を11.113.1%に削減する。
  論文  参考訳（メタデータ） (2022-09-23T11:02:45Z)
• Zero Shot Learning for Predicting Energy Usage of Buildings in Sustainable Design [2.929237637363991]
  2030年の挑戦は、2030年までにすべての新しい建物と大規模な改修をカーボン中立にすることを目的としている。 建築要素が建築のエネルギー利用にどのように貢献するかを理解することが重要である。 予測精度を向上させるために、AIベースのソリューションにリッチなトレーニングデータセットが必要である。
  論文  参考訳（メタデータ） (2022-02-10T18:08:58Z)
• Skill Preferences: Learning to Extract and Execute Robotic Skills from Human Feedback [82.96694147237113]
  Skill Preferencesは、人間の好みよりもモデルを学習し、オフラインデータから人間に沿ったスキルを抽出するアルゴリズムである。 SkiPは複雑なマルチステップ操作タスクをシミュレートしたキッチンロボットで実現できることを示す。
  論文  参考訳（メタデータ） (2021-08-11T18:04:08Z)
• Comfort-as-a-Service: Designing a User-Oriented Thermal Comfort Artifact for Office Buildings [0.0]
  本研究は,オープンオフィス環境における個々人の快適さを最適化することを目的としている。 デザインサイエンスリサーチのアプローチに基づいて、私たちはまず、模範的な企業オフィスビルでユーザ体験テストを実施します。 平均決定係数41.5%の異なるIoTデータソースを含む機械学習モデルを構築した。
  論文  参考訳（メタデータ） (2020-03-27T19:06:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。