|
|
|
|
| LEADER |
02468na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2019 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid6520
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Ilišinović, Kristijan
|9 40933
|
| 245 |
1 |
0 |
|a Primjena neuronskih mreža u Internetu stvari :
|b diplomski rad /
|c Kristijan Ilišinović ; [mentor Mario Kušek].
|
| 246 |
1 |
|
|a Application of Neural Networks in the Internet of Things Environment
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b K. Ilišinović,
|c 2019.
|
| 300 |
|
|
|a 42 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Telekomunikacije i informatika, šifra smjera: 53, datum predaje: 2019-06-28, datum završetka: 2019-07-15
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: U ovom radu smo analizirali primjenu neuronskih mreža u IoT sustavima. Objasnili smo na koji se način treniraju mreže i na koji način možemo razmjenjivati parametre mreže. Napravljena je analiza IoT sustava po slojevima te je razmatrana primjena neuronskih mreža po slojevima. U studijskom primjeru bilo je potrebno napraviti predviđanje navika stanara zbog čega je korištenjem Keras alata napravljen model jedne LSTM mreže koju smo istrenirali pomoću CASAS seta podataka. Opisano je na koji način možemo dohvatiti parametre istrenirane mreže te na koji način možemo izgraditi binarne datoteke koje trebamo učitati na ESP32 modul kako bismo mogli pokrenuti izvođenje mreže na modulu.
|
| 520 |
3 |
|
|a Sažetak na engleskom: In this thesis we analyzed application of artificial neural networks in the Internet of Things. We explained how neural networks are trained and how we can use trained models to classify and predict data. We analyzed IoT systems by layers and discussed application of neural networks in each layer. To show how neural networks can be used with IoT devices, we trained an LSTM network model created with Keras using CASAS dataset to predict tenant's habits in an apartment. Using trained parameters of the model we tried to build
binary files which would then be flashed on ESP32 device. ESP32 device would then use these parameters to execute a forward-pass of the model to predict the next state of the environment.
|
| 653 |
|
1 |
|a ESP32, Long Short-Term Memory, Keras, CASAS
|
| 653 |
|
1 |
|a ESP32, Long Short-Term Memory, Keras, CASAS
|
| 700 |
1 |
|
|a Kušek, Mario
|4 ths
|9 18415
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 51642
|d 51642
|