الگوریتم هوش مصنوعی ترموستات هوشمند NEST

0
218
الگوریتم هوش مصنوعی ترموستات هوشمند NEST

نگاهی کلی به فرآیند یادگیری ماشین

 در الگوریتم هوش مصنوعی ترموستات هوشمند NEST، هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد.

با نگاهی به فرآیند یادگیری ماشین که از ۵ گام تشکیل شده است و در تصویر مشخص است به این نتیجه میرسیم که به واقع اینطور به نظر می آید که این ترموستات بر اساس رفتار کاربر، اقدام به کنترل و بهبود شرایط در محیط میکند. الگوریتمی که در این فرآیند مورد استفاده قرار میگیرد اگرچه جزو راهکارهای اختصاصی این کمپانی میباشد اما با توجه به رفتاری که از خود بروز میدهد و با استفاده از شبیه سازی ای که در تصویر پایگاه داده ای که در مجموعه خانه اینترنت اشیا ایران با توجه به رفتار این ماژول پیاده سازی و شبیه سازی شده است به این نتیجه میرسیم که الگوریتم مورد استفاده بر پایه Supervised Learning استوار است.

یادگیری با نظارت (Supervised Machine Learning)

یادگیری تحت نظارت، یک روش عمومی در یادگیری ماشین است که در آن به یک سیستم، مجموعه‌ای از جفت‌های ورودی خروجی ارائه شده و سیستم تلاش می‌کند تا تابعی از ورودی به خروجی را فرا گیرد.

 یادگیری تحت نظارت نیازمند تعدادی داده ورودی به منظور آموزش سیستم است. با این حال رده‌ای از مسائل وجود دارند که خروجی مناسب که یک سیستم یادگیری تحت نظارت نیازمند آن است، برای آن‌ها موجود نیست. این نوع از مسائل چندان قابل جوابگویی با استفاده از یادگیری تحت نظارت نیستند. یادگیری تقویتی مدلی برای مسائلی از این قبیل فراهم می‌آورد.

معرفی اپل هوم پاد
مطلب مرتبط

الگوریتم هوش مصنوعی مورد استفاده در ترموستات هوشمند NEST

 

پایگاه داده Nest-1
پایگاه داده Nest-1

در ترموستات Nest نیز روند به همین شکل است. در ابتدا فرض می گیریم که برای اولین بار ترموستات هوشمند را نصب و راه اندازی نموده اید. پیش از هر چیز باید در نرم افزار این ترموستات یک حساب کاربری ایجاد نمایید که با این روش در جدول Database برای UID موجود ترموستات یک جدول کاربر میساز. پس تا اینجا یک جدول داریم با  ۴ فیلد به شکل روبرو.

تا اینجا فقط پروژه ساخته شد. حال برای رسیدن به الگوریتم ریاضی یادگیر ماشین نیاز است تا داده های کامل تری به پایگاه داده وارد شود. برای مثال نیاز است تا دیوایس هر کاربر نیز برای ترموستات قابل شناسایی باشد تا در آینده با توجه به تنظیمات هر کاربر، دمای مناسب برای ترموستات قابل شناسایی شود. پس فیلدهای دیگری مانند زمان، داده ای از کاربر مانند یک شناسه یکتا از گوشی هوشمند کاربر، دمای تنظیم شده توسط کاربر و اطلاعاتی از این دست نیز به پایگاه داده اضافه شود.

پایگاه داده Nest-2
پایگاه داده Nest-2

 پس از این مراحل میرسیم به این نقطه که ترموستات ما را شناخت و در این لحظه باید به مدت ۱ هفته اطلاعاتی با هدر های بالا را به این سیستم وارد کنیم تا ترموستات بتواند بر اساس اطلاعات و داده های دریافتی از ما، الگو و الگوریتم ریاضی یادگیری ماشین خود را فعال نماید. همانطور که در بالا اشاره شد، یادگیری نظارتی به کار رفته در این ترموستات پس از ۱ هفته، داده های دریافتی از کاربر را پردازش میکند و الگوریتم هوش مصنوعی خود را پیاده سازی میکند. پس از پیاده سازی این الگوریتم همچنان روند دریافت داده ادامه خواهد یافت و این الگوریتم روز به روز بهینه میشود. در نمایی کلی، پایگاه داده این ترموستات بصورت شبیه سازی شده مانند شکل زیر خواهد بود.

ترموستات NEST چطور کار میکند؟ بخش اول
مطلب مرتبط

در پایان با توجه به کارکرد این ماژول و نظرات کاربران به این نتیجه میرسیم که این ترموستات همانند شعاری که برای آن انتخاب کرده است، از کاربران می آموزد و بر اساس رفتار آنها علاوه بر نقش اصلی خود که در مدیریت تهویه مطبوع نقش دارد، با استفاده از مکانیزم های اینترنت اشیا و هوش مصنوعی، در بهینه سازی مصرف انرژی نیز نقش بسزایی را ایفا میکند.

تهیه شده در خانه اینترنت اشیا ایران

ارسال یک دیدگاه