ПРОГНОЗИРОВАНИЕ ЗАГРЯЗНИТЕЛЕЙ ВОЗДУХА С - Allamradzhu, K Vishwanat;SAI KIRAN REDDY, CHALLA
29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
  • Broschiertes Buch

Мы представляем умный контейнер на базе IoT, использующий модель машинного и глубокого обучения для управления вывозом мусора и прогнозирования уровня загрязнения воздуха в окружающей контейнер среде. Мы провели эксперименты с традиционной моделью (алгоритм k-nearest neighbours (k-NN) и логистическая регрессия) и нетрадиционным алгоритмом (глубокое обучение на основе сети long short term memory (LSTM)) для создания предупреждающих сообщений о состоянии контейнера и прогнозирования количества загрязняющего воздух угарного газа (CO), присутствующего в воздухе в конкретный момент времени.…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Мы представляем умный контейнер на базе IoT, использующий модель машинного и глубокого обучения для управления вывозом мусора и прогнозирования уровня загрязнения воздуха в окружающей контейнер среде. Мы провели эксперименты с традиционной моделью (алгоритм k-nearest neighbours (k-NN) и логистическая регрессия) и нетрадиционным алгоритмом (глубокое обучение на основе сети long short term memory (LSTM)) для создания предупреждающих сообщений о состоянии контейнера и прогнозирования количества загрязняющего воздух угарного газа (CO), присутствующего в воздухе в конкретный момент времени. Точность логистической регрессии и алгоритма k-NN составляет 79 % и 83 %, соответственно, в тестовой среде реального времени для прогнозирования состояния бункера. Точность модифицированной LSTM и простой LSTM-моделей составляет 90 % и 88 % соответственно для предсказания будущей концентрации газов в воздухе. В результате работы системы задержка в создании и передаче тревожного сообщения работнику санитарной службы составила 4 с. Система обеспечивает мониторинг уровня мусора в реальном времени, а также уведомления от механизма оповещения.