Primjena neuronskih mreža u Internetu stvari

diplomski rad

• Naslov (engleski): Application of Neural Networks in the Internet of Things Environment
• Autor: Kristijan Ilišinović
• Mentor: Mario Kušek (mentor)
• Član povjerenstva: Mario Kušek (predsjednik povjerenstva)
• Član povjerenstva: Dragan Jevtić (član povjerenstva)
• Član povjerenstva: Gordan Ježić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2019-07-15, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

U ovom radu smo analizirali primjenu neuronskih mreža u IoT sustavima. Objasnili smo na koji se način treniraju mreže i na koji način možemo razmjenjivati parametre mreže. Napravljena je analiza IoT sustava po slojevima te je razmatrana primjena neuronskih mreža po slojevima. U studijskom primjeru bilo je potrebno napraviti predviđanje navika stanara zbog čega je korištenjem Keras alata napravljen model jedne LSTM mreže koju smo istrenirali pomoću CASAS seta podataka. Opisano je na koji način možemo dohvatiti parametre istrenirane mreže te na koji način možemo izgraditi binarne datoteke koje trebamo učitati na ESP32 modul kako bismo mogli pokrenuti izvođenje mreže na modulu.

Sažetak (engleski)

In this thesis we analyzed application of artificial neural networks in the Internet of Things. We explained how neural networks are trained and how we can use trained models to classify and predict data. We analyzed IoT systems by layers and discussed application of neural networks in each layer. To show how neural networks can be used with IoT devices, we trained an LSTM network model created with Keras using CASAS dataset to predict tenant's habits in an apartment. Using trained parameters of the model we tried to build
binary files which would then be flashed on ESP32 device. ESP32 device would then use these parameters to execute a forward-pass of the model to predict the next state of the environment.

• Ključne riječi: ESP32; Long Short-Term Memory; Keras; CASAS
• Ključne riječi (engleski): ESP32; Long Short-Term Memory; Keras; CASAS
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:024272
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2020-01-07 18:30:15