Aplikace posilovaného učení v řízení Smart Home
| but.committee | doc. Ing. František Zbořil, Ph.D. (předseda) Mgr. Kamil Malinka, Ph.D. (člen) Ing. Miloš Musil, Ph.D. (člen) Ing. Jiří Hynek, Ph.D. (člen) Ing. David Bařina, Ph.D. (člen) | cs |
| but.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 B. | cs |
| but.jazyk | angličtina (English) | |
| but.program | Informační technologie | cs |
| but.result | práce byla úspěšně obhájena | cs |
| dc.contributor.advisor | Janoušek, Vladimír | en |
| dc.contributor.author | Biel, Gabriel | en |
| dc.contributor.referee | Zbořil, František | en |
| dc.date.created | 2024 | cs |
| dc.description.abstract | Táto práca skúma, ako môže strojové učenie zlepšiť riadenie inteligentných domácností s dôrazom na optimalizáciu riadenia teploty a zvýšenie energetickej účinnosti. Konkrétne sa porovnávajú dva pokročilé algoritmy posilňovaného učenia, Deep Q-Learning (DQL) a Proximal Policy Optimization (PPO). Tieto modely sú testované v simulovanom prostredí, ktoré napodobňuje reálne podmienky, aby sa zhodnotila ich schopnosť prispôsobiť sa správaniam užívateľov a zmenám v prostredí. Ukázalo sa, že model PPO je obzvlášť účinný vďaka svojej stabilite a schopnosti predpovedať návrat obyvateľov. Tento výskum ponúka cenné poznatky o praktických aplikáciách AI technológií v inteligentných domácnostiach. | en |
| dc.description.abstract | This thesis investigates how machine learning can improve smart home management by focusing on optimizing temperature control and boosting energy efficiency. Specifically, it examines and compares two sophisticated reinforcement learning algorithms, Deep Q-Learning (DQL) and Proximal Policy Optimization (PPO). These models are tested in a simulated environment that replicates real-world conditions to evaluate their effectiveness in adapting to user behaviors and environmental changes. The study finds that the PPO model is particularly effective due to its stability and ability to predict when occupants will return, thus maintaining a comfortable temperature more efficiently. This research offers valuable insights into the practical applications of AI technologies in smart homes. | cs |
| dc.description.mark | B | cs |
| dc.identifier.citation | BIEL, G. Aplikace posilovaného učení v řízení Smart Home [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024. | cs |
| dc.identifier.other | 155030 | cs |
| dc.identifier.uri | http://hdl.handle.net/11012/246589 | |
| dc.language.iso | en | cs |
| dc.publisher | Vysoké učení technické v Brně. Fakulta informačních technologií | cs |
| dc.rights | Standardní licenční smlouva - přístup k plnému textu bez omezení | cs |
| dc.subject | strojové učenie | en |
| dc.subject | inteligentné domácnosti | en |
| dc.subject | regulácia teploty | en |
| dc.subject | posilňované učenie | en |
| dc.subject | deep q-learning | en |
| dc.subject | dql | en |
| dc.subject | dqn | en |
| dc.subject | proximal policy optimization | en |
| dc.subject | ppo | en |
| dc.subject | prediktívne modely | en |
| dc.subject | machine learning | cs |
| dc.subject | smart home | cs |
| dc.subject | temperature control | cs |
| dc.subject | reinforcement learning | cs |
| dc.subject | deep q-learning | cs |
| dc.subject | dql | cs |
| dc.subject | dqn | cs |
| dc.subject | proximal policy optimization | cs |
| dc.subject | ppo | cs |
| dc.subject | predictive models | cs |
| dc.title | Aplikace posilovaného učení v řízení Smart Home | en |
| dc.type | Text | cs |
| dc.type.driver | bachelorThesis | en |
| dc.type.evskp | bakalářská práce | cs |
| dcterms.dateAccepted | 2024-06-10 | cs |
| dcterms.modified | 2024-06-17-08:45:12 | cs |
| eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
| sync.item.dbid | 155030 | en |
| sync.item.dbtype | ZP | en |
| sync.item.insts | 2025.03.18 21:01:00 | en |
| sync.item.modts | 2025.01.17 14:25:50 | en |
| thesis.discipline | Informační technologie | cs |
| thesis.grantor | Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů | cs |
| thesis.level | Bakalářský | cs |
| thesis.name | Bc. | cs |