Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/111211
Author(s): João Pedro Milano da Silva Cardoso
Title: IM2HoT: Interactive Machine-Learning to improve the House of Things
Issue Date: 2018-02-26
Abstract: Patterns emerge as we go about our daily home lives. Can we take advantage of these patterns, learn them and use them to make people's lives more comfortable?Questions regarding a person's comfort in their own home, as well as security, healthcare, safety and energy savings drive smart home solutions development, with the purpose of making daily life easier, which can be achieved by remotely controlling devices or identifying relevant activities and increasing their automation.Current home automation solutions mostly focus on remote control, monitoring and preferences or scene settings set up by the user. Some of them, like the NEST Thermostat are capable of learning user patterns, but serve a single need. On the other hand, the autonomous control in solutions that allow for the integration of multiple devices is handled by the definition of rules, and cannot learn user patterns.The purpose of this thesis is the development of a solution that uses machine learning algorithms to learn user patterns, that integrates multiple kinds of devices heterogeneously to serve different needs and autonomously controls them, allowing for an off-the-shelf solution better suited to the users needs. Additionally, users will be able to define what devices they want the system to monitor and learn as well as help the learning process by reinforcing choices made by the system.This solution will be achieved by extending the visual programming environment NodeRed. The use of a visual programming environment will also enable users with little programming experience to easily interact with the system.There are currently no smart home solutions that allow the integration of machine learning algorithms to learn patterns and allow control over the devices that go beyond specific needs such as light or temperature. The integration of this system into NodeRed will also allow for a flexible and easy setup, potentially reaching thousands of users.
Description: Padrões emergem à medida que vivemos as nossas vidas diárias. Podemos aproveitar-nos destes padrões, aprendê-los e usá-los para tornar a vida das pessoas mais confortáveis?Questões em relação ao conforto de uma pessoa na sua própria casa, bem como segurança, saúde e poupança de energia guiam o desenvolvimento de soluções Smart Home, com o objectivo de tornar a vida diária mais fácil. Isto pode ser conseguido através do controlo remoto de dispositivos ou da identificação e automatização de actividades relevantes.Soluções de domótica actuais focam-se principalmente em controlo remoto, monitorização e cenários ou preferências definidas pelo utilizador. Alguns, como o termoestato NEST conseguem aprender padrões de utilizadores, mas servem uma só necessidade. Pelo outro lado, controlo autónomo em soluções que permitem a integração de múltiplos dispositivos depende da definição de regras, e são incapazes de aprender padrões de utilização.O objectivo desta tese é o desenvolvimento de uma solução que utilize algoritmos de machine learning para aprender padrões de utilização, que integre múltiplos tipos de dispositivos heterogeneamente para servir diferentes necessidades e seja capaz de os controlar autonomamente, permitindo soluções off-the-self que melhor se encaixam nas necessidades dos utilizadores. Adicionalmente, utilizadores vão ser capazes de definir que dispositivos querem que o sistema monitorize e aprenda, bem como ajudar o processo de aprendizagem ao reforçar certas escolhas feitas pelo sistema.Esta solução vai ser desenvolvida ao extender o ambiente de programação visual NodeRed. O uso de uma ambiente de programação visual pode também permitir aos utilizadores com pouca experiência de programação interagir facilmente com os sistema.Atualmente não existem soluções smart home que permitem a integração de algoritmos de machine learning para aprender padrões e que controlem múltiplos dispositivos que vão além de necessidades específicas como iluminação ou temperatura. A integração deste sistema no NodeRed irá permitir também um setup fácil e flexível, potencialmente ao alcançe de milhares de utilizadores.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
Scientific areas: Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
Engineering and technology::Electrical engineering, Electronic engineering, Information engineering
TID identifier: 201905035
URI: https://repositorio-aberto.up.pt/handle/10216/111211
Document Type: Dissertação
Rights: openAccess
License: https://creativecommons.org/licenses/by-nc/4.0/
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
258402.pdfIM2HoT: Interactive Machine-Learning to improve the House of Things4.56 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons