Yapay zekâ yöntemleri kullanılarak akıllı ev sistemi geliştirilmesi
Development of smart home system using artificial intelligence methods
- Tez No: 619625
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET ACI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 96
Özet
Akıllı ev sistemleri, genellikle akıllı ev uygulamalarıyla elektronik cihazların kontrol edilmesine izin veren ve ev sahiplerine güvenlik, konfor ve enerji verimliliği sağlayan sistemlerdir. Özellikle Nesnelerin İnterneti (IOT) ile birlikte bu sistemler her alanda kendilerine yer bulmuşlardır. Akıllı ev sistemleri ile kullanıcılar, bağlı oldukları ev sistemlerini uzaktan ya da ev içerisinden kontrol edebilmektedirler. Aynı zamanda uzaktan kontrolün yanı sıra akıllı ev sistemindeki güvenlik kontrolleri ile ev sakinlerinin gündelik yaşamlarını daha güvenli bir şekilde geçirmelerini sağlamaktadırlar. Bu tez çalışmasında, Raspberry Pi (RPi), Arduino ve çeşitli sensörler kullanılarak bir akıllı ev sistemi geliştirilmiştir. Geliştirilen akıllı ev siteminin birçok farklı modu olup, ev sakinlerinin durumlarına göre sistemin kontrol şekli değişebilmektedir. Sistem, sıradan akıllı ev sistemlerinde olan uzaktan kontrol ve güvenlik sistemlerinin yanı sıra yapay zekâ algoritmaları ile rutin aktiviteleri algılayarak bazı önemli işlemleri kullanıcı yaranına otonom olarak yapabilmektedir. Sistemin eğitimi için kullanılan veri kümesi ev içerisindeki sensörlerden alınan ve sanal verilerden oluşmaktadır. Sistemdeki verileri işlemek ve kontrolleri sağlamak için Python ve Arduino yazılım ortamları kullanılmıştır. Çalışmada yapay zekâ yöntemleri olarak Naive Bayes, Ensemble, Genel linear, karar ağacı, destek vektör makinesi (SVM), K-en yakın komşu (KNN), Gauss süreç (GPC) ve yapay sinir ağı (YSA) modelleri kullanılmış ve modellerin başarıları kıyaslanmıştır. Yöntemler arasındaki en başarılı sonuçlar; 0.9794 doğruluk ile GPC modeli, 0.9653 doğruluk ile Ensemble modelleri içerisindeki rassal orman algoritması (RF) ve 0.9651 doğruluk ile Genel linear modeller içerisindeki Stochastic gradient descent (SGD) algoritması ile elde edilmiştir. Çalışmada elde edilen sonuçlar, akıllı ev sistemlerinde yapay zekâ algoritmalarının kullanımının uygun olduğunu göstermektedir.
Özet (Çeviri)
Smart home systems are generally systems that allow the control of electronic devices through smart home applications and provide homeowners with safety, comfort and energy efficiency. Especially with the Internet of Things (IoT), these systems have found their place in every field. With smart home systems, users can control their home systems remotely or from within the home. At the same time, remote control as well as the security controls in the smart home system allows residents to spend their daily lives more safely. In this thesis, a smart home system was developed by using Raspberry Pi (RPi), Arduino and various sensors. There are many different modes of the smart home system developed and the control of the system may change according to the situation of the residents. In addition to remote control and security systems in ordinary smart home systems, the system can detect routine activities with artificial intelligence algorithms and perform some important operations autonomously to the user wound. The data set used for training the system consists of data from sensors in the house and virtual data. Python and Arduino software environments are used to process and control data in the system. In this study, Naive Bayes, Ensemble, General linear, decision tree, support vector machine (SVM), K-nearest neighbor (KNN), Gauss process (GPC) and artificial neural network (ANN) models were used as artificial intelligence methods and their successes were compared. The most successful results among the methods; GPC with 0.9794 accuracy, random forest algorithm (RF) in Ensemble models with 0.9653 accuracy and Stochastic gradient descent (SGD) algorithm in General linear models with 0.9651 accuracy. The results obtained in this study show that the use of artificial intelligence algorithms in smart home systems is appropriate.
Benzer Tezler
- New edge computing offloading methods for next generation wireless networks
Yeni nesil haberleşme sistemleri için geliştirilen kenar ağlarda bilgi işlem yük boşaltma yöntemleri
BESTE ATAN
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Lifelong learning for auditory scene analysis
İşitsel sahne analizi için hayat boyu öğrenme
BARIŞ BAYRAM
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi
Load forecasting and decision support system for electric vehicles use
HATİCE MENEKŞE KÖSEMEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ORHAN TORKUL
- Reducing in-vehicle communication overload and enhancing efficiency in autonomous and electrical vehicles
Otonom ve elektrikli araçlarda araç içi iletişim yükünü azaltma ve etkinliğini artırma
YUNUS KAĞAN ÖZDEMİR
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET CANSIZ