一种基于手机的分布式环境温度测量系统及其高效无标签自动训练策略
机器学习
2024-05-20 v2
摘要
提高建筑能效在很大程度上依赖于室内环境温度的监测。传统温度测量技术的潜在局限性，加之智能手机的普及，已将研究人员的注意力转向探索基于手机的环境温度估计方法。然而，现有的基于手机的方法面临诸多挑战，如隐私保护不足、模型难以适应各种手机以及获取足够带标签训练数据的障碍。在本研究中，我们提出了一种分布式基于手机的环境温度估计系统，该系统能够实现多部手机之间的协作，以准确测量室内空间不同区域的环境温度。该系统还通过一个小样本元学习模块和一个自动标签生成模块，提供了一种高效、低成本的方法。研究表明，仅需5个新的训练数据点，温度估计模型就能适应一部新手机并达到良好性能。此外，该系统利用众包技术为所有新收集的训练数据生成准确标签，显著降低了成本。同时，我们强调了将联邦学习融入我们系统以增强隐私保护的潜力。我们相信，这项研究能够推动基于手机的环境温度测量的实际应用，从而促进建筑节能工作。
引用
@article{arxiv.2404.10401,
title = {A Phone-based Distributed Ambient Temperature Measurement System with An Efficient Label-free Automated Training Strategy},
author = {Dayin Chen and Xiaodan Shi and Haoran Zhang and Xuan Song and Dongxiao Zhang and Yuntian Chen and Jinyue Yan},
journal= {arXiv preprint arXiv:2404.10401},
year = {2024}
}