【儀表網 儀表下游】中國科學院遼寧沈陽自動化研究所博士生孫干在多年機器學習算法研究和導師指導基礎上，通過將每個屬性預測問題作為單個任務，提出了基于多任務學習的用戶屬性預測模型，實現在少量可用用戶數據下的多個任務同時學習和決策。同時，挖掘出了多個用戶屬性間的關系，提高了多個屬性預測的準確率；充分利用缺失數據樣本信息，進一步提高了模型泛化能力。
 

16個用戶屬性關系圖。正值和負值分別表示正相關和負相關。
 

　　相關研究成果分別以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)發表。其中IEEE Transactions on Smart Grid 是電力系統領域的期刊之一，Pattern Recognition 是模式識別領域的2個期刊之一。該項研究得到了機器人學國家重點實驗室、國家自然科學基金的支持。
 

　　基于智能電網大數據的用戶屬性預測，對構建智能電網分析系統和智能樓宇建設具有重要意義。傳統針對單一用戶屬性分析的機器學習方法，不僅不能利用各個屬性間的關系提高準確率，還不能很好挖掘缺失數據的信息。這兩個問題制約了智能電網系統的設計和智能樓宇系統的完善。
 

　　(原標題：沈陽自動化所在智能電網大數據方面取得新進展)