Chytrá domácnost: učení rutin
Loading...
Date
Authors
Junák, Petr
ORCID
Advisor
Referee
Mark
E
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se zaměřuje na návrh, vývoj a implementaci inovativního chytrého systému,který využívá data o spánkovém režimu uživatele a strojové učení pro inteligentní ovládánísvětel v domácnosti. Hlavním cílem je zlepšení kvality spánku uživatele prostřednictvímoptimalizace expozice světla, zejména snížením expozice studenému dennímu světlu předspánkem. Práce se vyznačuje důrazem na využití snadno dostupných dat, cenově dostupnýchhardwarových zařízení a open-source technologií. Jako primární zdroj dat byl využit chytrýprsten RingConn, který poskytuje podrobné informace o spánkových vzorcích uživatele.Vytvořený model strojového učení náhodných regresních lesů, je hostován na platforměRaspberry Pi, která také slouží jako centrální jednotka pro ovládání světel a řízení celkovéhosystému. Kromě ovládání světla systém také podporuje zasílání upozornění uživateli o blížícíse doporučené době začátku spánku, což přispívá k celkovému zlepšení spánkové hygieny akvality spánku.
This thesis focuses on the design, development, and implementation of an innovative smart system that uses user sleep data and machine learning for intelligent control of lights in households. The main goal is to improve the user’s sleep quality through the optimisation of light exposure, particularly by reducing exposure to cool daylight before sleep. Thework is characterized by an emphasis on the use of readily available data, cost-effective hardware devices, and open-source technologies. The primary source of data was the RingConn smart ring, which provides detailed information about the user’s sleep patterns. The created machine learning model, random forest regression, is hosted on the Raspberry Pi platform, which also serves as the central unit for controlling lights and managing the overall system. In addition to light control, the system also supports sending notifications to the user about the approaching recommended sleep start time contributing to the overall improvement of sleep hygiene and sleep quality.
This thesis focuses on the design, development, and implementation of an innovative smart system that uses user sleep data and machine learning for intelligent control of lights in households. The main goal is to improve the user’s sleep quality through the optimisation of light exposure, particularly by reducing exposure to cool daylight before sleep. Thework is characterized by an emphasis on the use of readily available data, cost-effective hardware devices, and open-source technologies. The primary source of data was the RingConn smart ring, which provides detailed information about the user’s sleep patterns. The created machine learning model, random forest regression, is hosted on the Raspberry Pi platform, which also serves as the central unit for controlling lights and managing the overall system. In addition to light control, the system also supports sending notifications to the user about the approaching recommended sleep start time contributing to the overall improvement of sleep hygiene and sleep quality.
Description
Keywords
Inteligentní domácnost, Kvalita spánku, Strojové učení, Expozice světlu, Teplota světla, Spánkový vzorec, Raspberry Pi, Chytrý prsten, RingConn, Automatizace, Ovládání světel, Předzpracování dat, Výběr vlastností, Hodnocení systému, Metoda Regresních Lesů, Smart Home, Sleep Quality, Machine Learning, Exposition to light, Light Temperature, Sleep Pattern, Raspberry Pi, Smart Ring, RingConn, Automation, Light Control, Data Preprocessing, Feature Selection, System Evaluation, Regression Forest Method
Citation
JUNÁK, P. Chytrá domácnost: učení rutin [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
prof. Ing. Adam Herout, Ph.D. (předseda)
prof. Ing. Tomáš Hruška, CSc. (člen)
Ing. Tomáš Milet, Ph.D. (člen)
doc. Ing. Michal Bidlo, Ph.D. (člen)
RNDr. Marek Rychlý, Ph.D. (člen)
Date of acceptance
2024-08-22
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm E.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení