Détection et identification des activités quotidiennes dans les maisons intelligentes
Des informations générales:
Master |
Le niveau |
Détection et identification des activités quotidiennes dans les maisons intelligentes |
Titre |
| Réseaux et Systèmes Distribués |
SPECIALITE |
Page de garde:
Sommaire:
INTRODUCTION GENERALE
CHAPTER I : LES RESEAUX ELECTRIQUES INTELLIGENTS (SMART GRIDS)
I.1 INTRODUCTION
I.2 LE ROLE DES RESEAUX INTELLIGENTS
I.2.1 Comparaison entre les réseaux intelligents et les réseaux électriques classiques
I.3 L’ARCHITECTURE DES RESEAUX INTELLIGENTS
I.4 LE FONCTIONNEMENT DES RESEAUX INTELLIGENTS
I.5 AVANTAGES ET INCONVENIENTS DES SMART GRIDS
I.6 INTERETS DES RESEAUX ELECTRIQUE INTELLIGENTS
I.7 MAISON INTELLIGENTE
I.8 CONCLUSION
CHAPTER II : CONCEPTS FONDAMENTAUX DE L’APPRENTISSAGE AUTOMATIQUE
II.1 INTRODUCTION
II.2 L’APPRENTISSAGE AUTOMATIQUE (MACHINE LEARNING)
II.3 INTERETS DE L’UTILISATION DE L’APPRENTISSAGE AUTOMATIQUE
II.4 TYPES D’APPRENTISSAGE AUTOMATIQUE
II.4.1 L’Apprentissage par renforcement
II.4.2 L’Apprentissage semi-supervisé
II.4.3 L’Apprentissage supervisé
II.4.4 L’Apprentissage non supervisé
II.5 APPRENTISSAGE ITERATIF
II.6 CONCLUSION
CHAPTER III: DEVELOPPEMENT DE L’APPLICATION
III.1 INTRODUCTION
III.2 OUTILS LOGICIELS UTILISES
III.2.1 La plateforme KNIME
III.3 LES BIBLIOTHEQUES PYTHON POUR L’APPRENTISSAGE AUTOMATIQUE
III.3.1 La bibliothèque Skikit-learn
III.3.2 La bibliothèque Pandas
III.4 LA BASE DE DONNEES (DATASET)
III.5 DESCRIPTION DES METHODES DE L’APPRENTISSAGE AUTOMATIQUE UTILISEES
III.5.1 K-Means
III.5.2 DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
III.6 CONCLUSION
CHAPTER IV : DETECTION DES ACTIVITES A DOMICILE AVEC DES APPROCHES NON SUPERVISEES
IV.1 INTRODUCTION
IV.2 ENVIRONNEMENT DU DEVELOPPEMENT
IV.2.1 Prétraitement des données “Pre-Processing”
IV.2.2 Collection des données
IV.2.3 Sélection des données
IV.2.4 Changement d’unité de mesure
IV.2.5 Restructuration des données et réduction des fréquences de prélèvement
IV.2.6 Filtre pour les colonnes de valeurs manquantes “Missing value column filter”
IV.2.7 Normalisateur “Normalizer”
IV.2.8 Traitement et Classification “Clustering”
IV.2.9 Résultats obtenus
IV.3 CONCLUSION
CONCLUSION GENERALE
REFERENCES BIBLIOGRAPHIQUES
Télécharger:
Pour plus de sources et références universitaires (mémoires, thèses et articles ), consultez notre site principal.