شناسایی فعالیت در خانه های هوشمند مبتنی بر شبکه عصبی مصنوعی و الگوریتم بهینه سازی پروانه

اینترنت اشیاء در چند سال اخیر فراگیر شده است و در بخشهای مختلف نظیر خانه هوشمند کاربرد دارد. به کمک اینترنت اشیاء میتوان همه اشیاء هوشمند خانه را به شبکه اینترنت متصل نمود و از راه دور خانه را کنترل نمود. یکی از کاربردهای خانه هوشمند تشخیص فعالیتهای است که درون خانه انجام می شود و به کمک روش های داده کاوی می توان اطلاعات درون خانه هوشمند را بررسی نمود و مشخص نمود که چه فعالیتی در حال رخ دادن است. چالش مهم روش های یادگیری ماشین و داده کاوی مانند شبکه عصبی مصنوعی در آن است که خطای خروجی آنها در تشخیص نوع فعالیت می تواند زیاد باشد از این جهت در روش پیشنهادی از الگوریتم بهینه سازی پروانه استفاده شده است تا در مرحله انتخاب ویژگی بتواند ویژگی های مهم را تشخیص داده و از طرفی به کمک این الگوریتم پارامترهای وزن و بایاس شبکه عصبی بهینه انتخاب شده تا خطای خروجی آن کاهش داده شود. پیاده سازی روش پیشنهادی نشان می دهد که برای تشخیص نوع فعالیت ها میزان دقت در روش پیشنهادی بالای 95 درصد است در حالیکه در روش های زنجیره مارکوف، شبکه بیزین، ماشین بردار پشتیبان و شبکه عصبی مصنوعی به ترتیب حدودا برابر 83%، 77%، 77% و 66% است می باشند.