عنوان

یک رویکرد مبتنی بر یادگیری ماشین برای تشخیص فعالیت روزانه انسان در خانههای هوشمند

پ۲۷۰۴۵

per

یک رویکرد مبتنی بر یادگیری ماشین برای تشخیص فعالیت روزانه انسان در خانههای هوشمند

محمدرضا خواجه دلویی

مهندسي مکانیک

۱۴۰۱

۸۴ص.

سی دی

کارشناسی ارشد

مهندسی مکاترونیک

۱۴۰۱/۰۶/۱۹

یک خانه هوشمند یک محیط زندگی عادی است که به منظور بهبود آسایش یا امنیت ساکنین آن به فناوری‌های پیشرفته مجهز شده است. خانه هوشمند در واقع از یک سیستم اتوماسیون خانگی استفاده می‌کند که می‌تواند شرایط دمایی، روشنایی، لوازم خانگی و تجهیزات امنیتی خانه را به صورت خودکار کنترل کند. چنین سیستمی همچنین می‌تواند عملکرد کلیه تجهیزات مورد استفاده در خانه را با توجه به تغییرات پیش‌آمده در محیط خانه، تغییر دهد. یکی از مهمترین کاربردهای خانه هوشمند، کمک به افراد سالمند و کم توان است که به تنهایی زندگی می‌کنند. نظارت بر فعالیت‌های زندگی روزمره و تشخیص انحراف از الگوهای قبلی در ارزیابی توانایی یک فرد سالخورده برای زندگی به طور مستقل و همچنین در تشخیص زودهنگام شرایط بحرانی پیش رو بسیار مهم است. به عنوان مثال، چنین نظارتی می‌تواند امکان تشخیص زودهنگام بیماری‌هایی مانند آلزایمر و زوال عقل را فراهم کرده و بطور کلی هر گونه کاهش در توانایی‌های سالمندانی که به تنهایی زندگی می‌کنند را آشکار سازد. با توجه به اینکه ارزیابی و تشخیص فعالیت‌های زندگی روزمره یک فرد با دقت مطلوب معمولا به صورت دستی امکان پذیر نیست، خانه‌های هوشمند مجهز به حسگرهای مختلف و سیستم‌های پردازش داده‌های بدست آمده از این حسگرها هستند. بدین منظور، در این تحقیق یک رویکرد مبتنی بر یادگیری ماشین برای تشخیص و طبقه‌بندی خودکار رویدادها که از کلیدی‌ترین عناصر در یک سیستم نظارت بر فعالیت روزانه انسان در خانه‌های هوشمند به حساب می‌آیند، ارائه می‌شود. سپس، آزمایشات متعددی برای ارزیابی عملکرد رویکرد پیشنهادی انجام شده و نتایج بدست آمده با نتایج گزارش شده در تحقیقات پیشین مقایسه می‌شوند.

Abstract:Progress in smart home technology and IoT devices have enabled us to monitor human activities in a hassle-free manner. The data, in turn, enables us to predict the health status and energy consumption patterns of the occupants of smart homes. Machine learning has been a great tool for predicting human activity from a resident's raw sensor data. However, detecting activity is still a challenge because there is no correlation between sensor values and resident activity. Previous researchers have applied deep learning algorithms to CASAS datasets, which include data from two houses named Aruba and Milan. Moreover, They have also applied perceptron neural networks, recursive neural networks and their combinations to these datasets and evaluated the performance of the models based on several criteria.

A Machine Learning-Based Approach for Human Daily Activity Recognition in Smart Homes

‏خواجه دلویی،

‏محمدرضا

تهيه کننده

‏کوهستانی،

سرباز،

‏ بهروز

‏ یاشار

استاد راهنما

استاد مشاور

‏ تبریز