23、基于LSTM的房间占用预测与智能校园抗疫边缘智能方案

基于LSTM的房间占用预测与智能校园抗疫边缘智能方案

基于LSTM的房间占用预测

在房间占用预测的研究中，采用了长短期记忆网络（LSTM）方法，并在两个任务上进行了实验，使用了数据集A和数据集B。

任务1：占用检测

在数据集A的任务1（占用检测）中，对不同的LSTM参数设置进行了测试。以下是部分测试的参数设置表格：
| ID | LSTM units | Activation function | Loss function | Epochs | Batch size | Dropout |
| — | — | — | — | — | — | — |
| 1 | 150 | softsign | Binary crossentropy | 20 | 26 | – |
| 2 | 180 | softsign | Binary crossentropy | 20 | 23 | – |
| 3 | 180 | softsign | Binary crossentropy | 20 | 23 | 0.2 |
| 4 | 240 | softsign | Binary crossentropy | 20 | 20 | – |
| 5 | 180 | tanh | Binary focal loss | 20 | 20 | – |
| 6 | 360 | softsign | Binary focal loss | 25 | 20 | – |

从测试集的性能评估指标来看，不同参数设置下的表现如下：
| Evaluation metrics—test | ID | RMSE |