【IoT美學】深度學習：IoT場景下的AI應用與開發—AI智能銷量預測

一、售貨機數據準備

數據格式轉化

數據字段說明

數據探索

重點代碼解讀

二、售貨機數據預處理

1.數據清洗

原因:錄入時遺漏、代價太大、敏感性強、出現誤差……

問題：部分數據缺失、存在異常值……

問題：手工效率低、直接刪除導致數據失真、數據質量至關重要……

解決辦法：

缺失值填充、人工填寫、特殊值填充、平均值填充、熱卡填充、K最近距離填充、回歸、刪除異常值、進行變換合并……

目的：提高數據質量，助于獲得滿意結果。

2.數據標準化

原因：不同維度評價和描述，會有不同的評價指標

問題：存在不同量綱和不同的數量級，數值大的將會被“偏愛”有加

問題：結果失真，“無效”模型

解決辦法：

Min-max 標準化

z-score 標準化

對數模式

3.數據集劃分

三、區域物品銷售量預測模型

1.構建區域物品銷售量預測模型

前饋神經網絡

單層感知機

激活函數

損失函數與梯度下降法

優化器

在梯度下降算法中，有各種不同的改進版本。在面向對象的語言實現中，往往把不同的梯度下降算法封裝成一個對象，稱為優化器。

算法改進的目的，包括但不限于：

加快算法收斂速度；

盡量避過或沖過局部極值；

減小手工參數的設置難度，主要是Learning Rate（LR）。

常見的優化器如：普通GD優化器、 動量優化器、Nesterov、 Adagrad、Adadelta、 RMSprop、 Adam、 AdaMax、**m。

2.訓練區域物品銷售量預測模型

3.評估區域物品銷售量預測模型

4.應用區域物品銷售量預測模型

四、運維反饋

實現方案

1.設備鑒權，獲取Token

注：接口文檔 ：?https://support.huaweicloud.com/api-iam/iam_30_0001.html?ticket=ST-1610658-04S6Rxgx35h2WvqyiRJlJva5-sso&locale=zh-cn

2.向設備服務發送命令，構造請求

構造請求，發送命令

結果驗證

五、實驗

見附件

附件： AIoT實驗手冊-各區域物品銷售量預測.pdf 702.95KB 下載次數：0次

附件： AIOT實驗手冊-智能運維反饋v2.pdf 544.16KB 下載次數：0次

云計算 AI 嵌入式 IoT 輕量級操作系統 LiteOS

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。