Artificial intelligence based smart home automation system with adaptive user behavior recognition
Uyarlanabilir kullanıcı davranışı tanıma özelliğine sahip yapay zeka tabanlı akıllı ev otomasyon sistemi
- Tez No: 972452
- Danışmanlar: DR. ÖĞR. ÜYESİ HASAN AKSOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezin amacı, kullanıcıların zamandan ve paradan tasarruf etmesini sağlayan akıllı bir ev sistemi geliştirmektir. Bu akıllı ev sistemi, kullanıcıların tekrarlanan davranışlarını gözlemlemek, öğrenmek ve taklit etmek ve yaygın olarak gerçekleştirdikleri görevleri gerçekleştirmek için tasarlanmıştır. Bu nedenle, bu çalışma, sistemin zamanla kullanıcı alışkanlıklarını adapte etmesini ve öğrenmesini sağlamak için makine öğrenimi tekniklerini uygulamayı amaçlamaktadır. Yapay zekayı temel günlük rutinlerimize dahil ederek, makine öğrenimi yetenekleri tarafından uygulanan akıllı ev sistemi, eşdeğer görevleri özerk bir şekilde gerçekleştirmek için kullanıcıların tercihlerine, eylemlerine ve alışkanlıklarına kademeli olarak uyum sağlayacaktır. Zamanla, otomasyon sistemi yaşadığımız evde konfor, kolaylık ve güvenlik sağlar. Akıllı ev otomasyon sistemleri, son yıllarda YZ ve Nesnelerin İnterneti (IoT) teknolojilerindeki hızlı gelişmelerle birlikte önemli bir ilerleme kaydetmiştir. Ancak geleneksel akıllı ev otomasyon yaklaşımları hâlâ büyük ölçüde sabit zamanlamalara ve manuel ayarlamalara dayalı olarak çalışmakta ve kullanıcıların dinamik yaşam alışkanlıkları konusu eksiklikleri gidermek amacıyla kullanıcı davranışlarını tanıyıp bu davranuşlara adapte olabilen, YZ tabanlı bir akıllı ev otomaston sistemi geliştirilmiş ve etkinliği araştırılmıştır. Araştırma kapsamında kullanıcıların günlük rutinlerine ait veriler gerçek yaşam ortamında ver setleri şeklinde toplanmıştır. Özellikle her bir kullanıcının elektrik ve su gibi kaynak tüketimi ile ev içindeki cihazlarla etkileşimleri detaylı şekilde kaydedilmiştir. Toplanan bu veriler, tahmin yürütmeye dayalı yöntemler içeren özgün bir yazılım platformunda analiz edilmiştir. Makine öğrenmesi yöntemlerinden derin öğrenme modelleri kullanılarak kullanıcı davranışları ve tercihleri doğru şekilde tahmin edilmiştir. Geliştirilen tahmin modellerinin akıllı ev otomasyon sistemine entegre edilmesi sonrasında, enerji ve kaynak kullanımında önemli iyileşmeler elde edilmiştir. Sistem, kullanıcı beklentileriyle otomasyon kararlarını daha iyi eşleştirerek hem kullanıcı hem kullanıcı konforunu artırmış hem de ölçülebilir seviyede enerji tüketimi tasarrufu sağlamıştır. Sonuçlar, yapay zekâ destekli tahminleme yaklaşımlarının daha sezgisel, kullanıcı odaklı ve sürdürülebilir yaşam ortamları oluşturmadaki potansiyelini ortaya koymaktadır.
Özet (Çeviri)
The objective of this research paper is to develop a smart home system that enables users save time and money. This smart home system is designed to observe, learn and mimic users' repeated behaviors and perform tasks they commonly carry out. Thus, this work aims to implement machine learning techniques to enable the system to adapt and learn user habits over time. By incorporating artificial intelligence to our basic daily routines, the smart home system implemented by the machine learning capabilities will gradually adapt to users' preferences, actions and habits in order to perform equivalent tasks autonomously. In time, the automation system provides comfort, convenience, and security within the home we live in. Smart home automation systems have significantly evolved with recent advancements in Artificial Intelligence (AI) and the Internet of Things (IoT). Despite these developments, conventional home automation approaches still largely rely on fixed schedules and manual settings, lacking the flexibility required to accommodate dynamic human behaviors and personalized user demands. This thesis addresses these limitations by developing and evaluating an AI-based smart home automation system capable of recognizing and adapting to individual user behavior. Within the research scope, real-world data were collected from various users in the form of comprehensive datasets. Specifically, utility-based consumption patterns, including electricity and water usage, as well as routine interactions with household appliances, were systematically recorded. These datasets were subsequently analyzed through a custom-designed software platform employing advanced predictive methodologies. Machine learning algorithms, particularly deep learning techniques, were utilized to process user-generated data, enabling accurate predictions of user behaviors and preferences. Following the integration of these predictive models into the smart home system, significant improvements in energy efficiency and resource utilization were observed. The outcomes demonstrated that the proposed adaptive automation framework not only enhanced user comfort by aligning automated responses closely with user expectations but also provided measurable reductions in utility consumption. The results underscore the potential of AI-driven predictive modelling to create more intuitive, responsive, and sustainable living environments.
Benzer Tezler
- Güç transformatörleri sfra tarama frekans cevabı analizi sonuçlarının yapay zeka uygulamaları ile karşılaştırılması
Comparison of power transformer sfra sweep frequency response analysis results with artificial intelligence applications
HAKAN ÇUHADAROĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Integrating multi-input data in CNN-LSTM models for AI-based cooking termination in smart ovens
Akıllı fırınlarda yapay zeka tabanlı pişirme sonlandırma için CNN-LSTM modellerine çok girdili verilerin entegre edilmesi
EBRAR ÖMER
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Yeni nesil haberleşme sistemleri için yenilikçi ve enerji verimli indis modülasyonu teknikleri ile yapay zeka uygulamaları
Innovative and energy efficient index modulation techniques and artificial intelligence applications for next generation communication systems
FATİH ÇÖGEN
Doktora
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Medeniyet ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDOĞAN AYDIN
- Nesnelerin interneti ağlarında derin öğrenme tabanlı yeni bir saldırı tespit sistemi
A novel deep learning-based intrusion detection system for internet of things networks
KEMAL AKKANAT
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
PROF. DR. MUHARREM TOLGA SAKALLI
- Öğrenebilen, web tabanlı, düşük enerji tüketimli, modüler ev otomasyon sistemi geliştirilmesi
Learning, web based, low energy consumption, modular home automation system development
HÜSEYİN GÜNEŞ
Doktora
Türkçe
2016
Makine MühendisliğiBalıkesir ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DAVUT AKDAŞ