Какую нейросеть выбрать для прогнозирования событий в умном доме?
Всем привет!
Вопрос от чайника в нейросетях. Строю "умный дом". Довольно много логики управляется событиями "все ушли из дома", "вернулись домой", "легли спать", "проснулись". Фактическое наступление этих событий отслеживается. Возникла идея сделать прогнозирование время наступления этих событий с постоянным обучением по фактическому их наступлению. Предполагается, что время будет зависеть от (в порядке влияния): дня недели, номера недели (четн/нечетн), месяца.
Насколько это вообще задача, которую можно решать с помощью нейросети? Если нейросеть имеет смысл, то какие её типы/алгоритмы применять? Возможно есть готовые решения, которые можно применить для данной задачи. Буду благодарен за любые наводки.
Многослойного персептрона для каждого события вполне себе хватит. Но - нужна начальная выборка. Особенно в виду того, что вы будете месяц использовать.
Нужна или нет нейросеть - зависит от того, как колебается у вас точность наступления событий, и как надо на эти колебания реагировать. Например, я с вероятностью 99% в рабочие дни прихожу в одно и то же время +-пол часа. Существенны ли эти пол часа? А какую погрешность даст нейрость? А если я в один день прийду на 3 часа позже - стоит ли вообще корректировать общее время?
Спасибо за ответ, ушел читать про многослойные персептроны.. Я правильно понимаю, что должна быть нейросеть с входными параметрами по количеству зависимостей (текущее время, день недели и т.д..) и с выходным параметром - вероятность (?) наступления события. А как быть с фактическим наступлением события?
Что же касается точности, думаю, что эти возможные полчаса не существенны.. Во всяком случае эффективность решения должна получиться выше, чем при ручном планировании событий. Хотелось бы конечно, что единичное отклонение (пришел на 3 часа позже) не влияло на результат, однако, если такое происходит регулярно (здесь наверное нужен какой-то коэффициент), то нейросеть должна это учитывать и перестраиваться..
Mejon Старайтесь отвечать комментарием. По параметрам - все логично. По выходу - а что вам нужно то и получайте. Скорее все же время, а не вероятность. По фактическому наступлению - проводите дообучение, если это необходимо.
Про ответ комментарием - понял, спасибо за замечание. А какой метод обучения лучше применять? Я сейчас подумал, что наверное выходов все же больше. Стоит наверное учитывать фактические времена наступления других событий. Например, если сегодня встали в 9, а не в 7, то скорее всего из дома уйдем в 10, а не в 8. Насколько вообще нейросеть в данном случае сможет давать адекватные прогнозы? И еще по массиву для обучения. Какой объем (хотя бы понять порядок) данных необходим для обучения такой сети?
Спасибо за совет! А с точки зрения адаптации к изменению входных параметров это решение также подходит? Как лучше обучать дерево? Как учитывать факт наступления событий и проводить переобучение?
