Neural network 如何使单片机自动学习传感器检测到的人类行为

我有一个问题，如何使微控制器与传感器学习的行为检测到的传感器，使控制更智能。例如，一个很少有人的办公室，有运动检测控制灯来节省能源。当灯开关打开灯时，如果在过去10分钟内未检测到任何运动，灯将在10分钟内自动关闭。 有时，办公室里的人一动不动地坐着超过10分钟，灯被定时器关掉。人们不得不挥手开灯，这很烦人。如何制作一个运动传感器来了解人们的行为，这样人们就不需要在办公时间经常挥手了

如果使用神经网络来解决这个问题，如何对输入/输出数据进行建模？如果不使用神经网络，有没有简单、更好的方法来解决这个问题

---

这类问题在其他领域是否属于一般性问题？

也许最简单的方法是使用一些启发式方法，如关于工作时间的信息，以改进系统运行。您可以尝试使用机器学习/NN来实现这一点，但这是一个不太小的研究项目。有很多方法可以用于此

我可能会尝试从以下几点开始：

收集训练样本。我们需要的数据样本中，微控制器关闭灯正确，而不是。因此，我们可以训练神经网络将情况分为两类，灯光应该关闭/不应该关闭，这将是我们的输出数据。如果MC决策很快被推翻，或者您没有从传感器和MC决策记录器的某处获得数据，这些可能会被发现。如果没有，则需要开始记录，并等待数据收集

提取一些输入特征。例如，一天中的时间可能是二进制工作时间/非工作时间，运动停止前某个时间段的传感器激活模式等。存在多种方法对此类时间相关模式进行编码，如交叉验证。这些数据将作为您的输入

火车模型。也许从简单的模型开始，比如逻辑回归，因为你的模型需要在MC上运行，而且很难收集大量的训练样本

在培训集中未包含的数据上测试系统。如果结果良好，将预测代码移植到MC，否则返回步骤1-3

---

正如你所看到的，这可能是一个漫长、耗时的过程，没有100%的成功保证

多谢各位。我试图在没有MC的情况下进行这样的研究，并得出与您提到的类似的训练数据。这项工作仍在进行中。如果我能实现这个目标，NN是非常简单的。现在的问题是，有没有其他方法可以用更少或类似的努力来实现这一点我有一个很大的假设，我现在可以实现这一点？我试图验证这项工作是否值得我花时间，因为我不是这方面的专家。如果你有类似的问题，你会认为神经网络或其他可能非常明显的方法能够做到这一点。对于训练数据输出，预测是通过观察过去得到的。我不熟悉TDNN，但我会研究它。@user3792705在门上安装一些传感器，这样微控制器就可以计算出有多少人离开了房间，怎么样？这至少可以保证有效。不清楚NN或其他ML方法是否可以在这里工作，因为我不确定传感器激活模式是否与所有人都离开房间这一事实有某种有意义的关系。你能通过查看数据图来区分这些情况吗？。另一个问题是你可以实际获得多少样本。计算人数可能会使MC代码和电路变得复杂，有些房间可能有两扇门。我正在用简单的运动传感器电路+可能的ML或其他方法搜索解决方案。它必须是独立的，没有有线或无线连接。我同意运动计数没有那么大的意义，但它可能与房间里有多少人无关。我觉得如何测量光假关更重要。因为ML需要了解这一点。必须在实时办公室中实时获取样本数据。预训练的神经网络可能会使智能传感器效果不佳。