【儀表網(wǎng) 儀表下游】中國科學(xué)院遼寧沈陽自動化研究所博士生孫干在多年機(jī)器學(xué)習(xí)算法研究和導(dǎo)師指導(dǎo)基礎(chǔ)上，通過將每個屬性預(yù)測問題作為單個任務(wù)，提出了基于多任務(wù)學(xué)習(xí)的用戶屬性預(yù)測模型，實現(xiàn)在少量可用用戶數(shù)據(jù)下的多個任務(wù)同時學(xué)習(xí)和決策。同時，挖掘出了多個用戶屬性間的關(guān)系，提高了多個屬性預(yù)測的準(zhǔn)確率；充分利用缺失數(shù)據(jù)樣本信息，進(jìn)一步提高了模型泛化能力。
 

16個用戶屬性關(guān)系圖。正值和負(fù)值分別表示正相關(guān)和負(fù)相關(guān)。
 

　　相關(guān)研究成果分別以Joint Household Characteristic Prediction via Smart Meter Data 和 User attribute discovery with missing labels為題，近期在期刊IEEETransactions on Smart Grid(影響因子：6.645)和Elsevier期刊Pattern Recogniton (影響因子：4.582)發(fā)表。其中IEEE Transactions on Smart Grid 是電力系統(tǒng)領(lǐng)域的期刊之一，Pattern Recognition 是模式識別領(lǐng)域的2個期刊之一。該項研究得到了機(jī)器人學(xué)國家重點實驗室、國家自然科學(xué)基金的支持。
 

　　基于智能電網(wǎng)大數(shù)據(jù)的用戶屬性預(yù)測，對構(gòu)建智能電網(wǎng)分析系統(tǒng)和智能樓宇建設(shè)具有重要意義。傳統(tǒng)針對單一用戶屬性分析的機(jī)器學(xué)習(xí)方法，不僅不能利用各個屬性間的關(guān)系提高準(zhǔn)確率，還不能很好挖掘缺失數(shù)據(jù)的信息。這兩個問題制約了智能電網(wǎng)系統(tǒng)的設(shè)計和智能樓宇系統(tǒng)的完善。
 

　　(原標(biāo)題：沈陽自動化所在智能電網(wǎng)大數(shù)據(jù)方面取得新進(jìn)展)