• čeština
    • English
    • русский
    • Deutsch
    • français
    • polski
    • українська
  • English 
    • čeština
    • English
    • русский
    • Deutsch
    • français
    • polski
    • українська
  • Login
View Item 
  •   Repository Home
  • Závěrečné práce
  • bakalářské práce
  • Fakulta informačních technologií
  • 2022
  • View Item
  •   Repository Home
  • Závěrečné práce
  • bakalářské práce
  • Fakulta informačních technologií
  • 2022
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Chytrá domácnost: učící se řízení vytápění

Smart Home: Learning Control of Heating

Thumbnail
View/Open
review_145144.html (1.451Kb)
final-thesis.pdf (10.71Mb)
Posudek-Vedouci prace-24554_v.pdf (86.17Kb)
Posudek-Oponent prace-24554_o.pdf (88.91Kb)
Author
Milostný, Tomáš
Advisor
Materna, Zdeněk
Referee
Bažout, David
Grade
E
Altmetrics
Metadata
Show full item record
Abstract
Tato bakalářská práce se zabývá implementací prototypu ekosystému chytré domácnosti zaměřeného na domácí vytápění. Cílem je vytvořit software běžící na zařízení typu Raspberry Pi, který s pomocí předpovědí strojového učení bude schopen ovládat a monitorovat síť elektrických přímotopných konvektorů ovládané spínáním jednoduchého Wi-Fi relé Shelly 1PM. Výsledné řešení by mělo oproti konvenčním chytrým termostatům disponovat také nižší cenou.
 
This bachelor thesis deals with the implementation of a prototype smart home ecosystem focused on home heating. The goal is to create software running on a Raspberry Pi device that, with the help of machine learning predictions, will be able to control and monitor a network of electric direct heating convectors controlled by switching a simple Wi-Fi relay Shelly 1PM. The resulting solution should also have a lower price than conventional smart thermostats.
 
Keywords
chytrá domácnost, strojové učení, domácí vytápění, přímotopný konvektor, smart home, machine learning, home heating, direct heating convector
Language
čeština (Czech)
Study brunch
Informační technologie
Composition of Committee
prof. Ing. Lukáš Sekanina, Ph.D. (předseda) doc. Ing. Jiří Jaroš, Ph.D. (místopředseda) Ing. Michal Hradiš, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen) Ing. Ondřej Lengál, Ph.D. (člen)
Date of defence
2022-06-14
Process of 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 E. Otázky u obhajoby: Proč navržený algoritmus strojového učení nehledá vzory v dlouhodobém chování uživatele? Proč data z předpovědi počasí nezahrnují informaci o míře oblačnosti? Vzhledem k řešenému problému s přetápěním místnosti to považuji za relevantní.
Result of the defence
práce byla úspěšně obhájena
Persistent identifier
http://hdl.handle.net/11012/207281
Source
MILOSTNÝ, T. Chytrá domácnost: učící se řízení vytápění [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.
Collections
  • 2022 [309]
Citace PRO

Portal of libraries | Central library on Facebook
DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback | Theme by @mire NV
 

 

Browse

All of repositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

LoginRegister

Statistics

View Usage Statistics

Portal of libraries | Central library on Facebook
DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback | Theme by @mire NV