基于演化lstm神经网络的用户终端睡眠预测模型.pdf

计算机系统应用 ISSN 1003-3254, CODEN CSAOBN E-mail: ******@
Computer Systems & Applications,2020,29(11):196−203 [doi: .] -s-
©中国科学院软件研究所版权所有. Tel: +86-10-62661041
 
 
基于演化LSTM神经网络的用户终端睡眠
预测模型①
李晓敏,  秦晓卫
(中国科学技术大学 中国科学院无线光电通信重点实验室, 合肥 230026)
通讯作者: 秦晓卫, E-mail: ******@
摘　要: 用户处于睡眠状态时手机后台自主挂起不必要的系统或应用进程可以有效降低能耗, 因此在不损害用户使
用体验的前提下准确判断用户是否处于睡眠状态具有重要意义. 围绕该问题设计了覆盖率和唤醒率作为新的衡量
指标, 提出一种基于LSTM神经网络的睡眠预测模型, 结合LSTM神经网络能够较好处理时序特征数据的特点和
演化算法能够优化不可导目标函数的特性, 将LSTM神经网络的参数作为差分演化算法的优化参数, 覆盖率和唤
醒率的综合目标作为选择函数, 同时在每次迭代中重新评估选择函数使其适应小批量训练法. 实验结果表明, 采用
演化算法训练LSTM神经网络得到的预测结果相较于传统分类模型能在低唤醒率时达到更好的覆盖率, 平均提升
约5%.
关键词: 演化算法; LSTM网络; 用户体验; 睡眠预测; 智能手机
引用格式:  李晓敏,,2020,29(11):196–203. -s-
-3254/
Evolutionary LSTM Neural Network as Sleep Prediction Model on Smartphone
LI Xiao-Min, QIN Xiao-Wei
(CAS Key Laboratory of Wireless-Optical Communications, University of Science and Technology of China, Hefei 230026, China)
Abstract: Suspending unnecessary system or application processes in the background of the mobile phone while the user
is sleeping can effectively reduce energy consumption, so it is of great significance to accurately determ