Loading...
hidden

Mobile-Version anzeigen

Meta-Navigation

Startseite – Hochschule Luzern

Sprachwahl und wichtige Links

  • Zum Inhalt springen
  • Kontakt
  • Login
  • De
  • En
Suche starten

Hauptnavigation

Departementsnavigation

  • Technik & Architektur
  • Wirtschaft
  • Informatik
  • Soziale Arbeit
  • Design & Kunst
  • Musik

Unternavigation

  • Studium
  • Weiterbildung
  • Forschung
  • International
  • Campus
  • Über uns
  • News & Stories

Unternavigation

Breadcrumbs-Navigation

  1. Forschung Forschung
  2. MOOST - Aktivitätserkennungssystem für heterogene Smart-Home-Konfigurationen MOOST - Aktivitätserkennungssystem für heterogene Smart-Home-Konfigurationen

MOOST - Aktivitätserkennungssystem für heterogene Smart-Home-Konfigurationen

Schaffung eines Mehrwerts für Smarthome-Besitzer, indem ihnen hoch personalisierte Tipps zur besseren Nutzung ihres Systems gegeben werden.

Kurzinformation

Departement:

Technik & Architektur

Status:

Laufend

Zeitraum:

01.11.2022 - 31.12.2024

In der Übersicht

Damit Smart Homes ihren Bewohnern den größtmöglichen Mehrwert bieten können, müssen die installierten Sensoren in der Lage sein, Nutzeraktivitäten rechtzeitig zu erkennen. Wenn ein intelligentes Haus beispielsweise erkennt, dass die letzte Person das Haus verlässt, kann der Nutzer daran erinnert werden, den Alarm zu aktivieren.

Derzeit ist dies jedoch nicht der Fall, da die Anzahl, Art, Platzierung und Qualität der installierten Sensoren sehr unterschiedlich ist, was die Lösung des Problems sehr schwierig macht, da für jedes Smart Home ein separates Training erforderlich wäre, was einen enormen Aufwand bedeuten würde. 

Die Überwindung dieser Herausforderungen birgt ein enormes Marktpotential für die Bereitstellung von Analysen und Empfehlungen für Smart-Home-Hersteller, die ihrerseits Premium-Dienste an Endkunden verkaufen können.

In diesem Projekt werden wir untersuchen, wie man schwach überwachte maschinelle Lernverfahren (d.h. wenn die Aktivitäts-Tags ungenau sind) mit anderen Methoden der Aktivitätserkennung, wie Ontologien oder regelbasierten Ansätzen, kombinieren kann, um ein System zu erhalten, das in der Lage ist, Benutzeraktivitäten aus spärlichen und heterogenen Sensorkonfigurationen zu erkennen.

Das Endziel besteht darin, Aktivitätserkennungsfähigkeiten bereitzustellen, ohne für jedes einzelne Smart Home ein spezifisches Training durchführen zu müssen. Oder nur eine minimale Konfiguration.

Wir werden auch einen einzigartigen agentenbasierten Simulator entwickeln, der realistische, gelabelte Smart-Home-Daten erzeugt, die sowohl zum Benchmarking des Aktivitätserkennungssystems als auch zur Erzeugung synthetischer Trainingsdaten verwendet werden können.

Einzigartig ist die Kombination verschiedener Ansätze des maschinellen Lernens, um mit minimalem Konfigurations- und Trainingsaufwand eine zuverlässige Verhaltenserkennung der Bewohner in Smart-Home-Umgebungen zu ermöglichen, die sich in Größe, Anzahl der Bewohner oder installierten Smart-Home-Komponenten unterscheiden.

Smart Home, © Adobe Stock
Smart Home, © Adobe Stock
hidden

Fakten

Projektart

Forschung

Beteiligte interne Organisationen
  • iHomeLab
Externe Projektfinanzierer
  • Moost AG
Finanzierung
  • Innosuisse - HSLU als Hauptforschungspartnerin (Main Research Partner)
hidden

Links

  • weitere Forschungsprojekte des iHomeLab

hidden

Beteiligte Personen intern

Projektleiter/in
  • Andrew Paice
Projektmitarbeiter/in
  • Daniel Bolliger

Kurzinformation

Departement:

Technik & Architektur

Status:

Laufend

Zeitraum:

01.11.2022 - 31.12.2024

Projektleitung

Prof. Dr. Andrew Paice

Leiter iHomeLab

+41 41 349 33 39

E-Mail anzeigen

Footer

FH Zentralschweiz

Links zu den Social-Media-Kanälen

  •  Facebook
  •  Instagram
  •  Twitter
  •  LinkedIn
  •  YouTube
  •  Flickr

Kontakt

Logo Hochschule Luzern

Hochschule Luzern


Werftestrasse 4
CH- 6002 Luzern

+41 41 228 42 42

info@hslu.ch

Direkteinstieg

  • Studieninteressierte Bachelor
  • Studieninteressierte Master
  • Weiterbildungsinteressierte
  • Unternehmen & Institutionen
  • Medienschaffende
  • Für Studierende
  • Für Mitarbeitende

Quicklink

  • Personensuche
  • Standorte
  • Aktuell
  • Bibliotheken
  • Agenda
  • Jobs & Karriere
  • Home
  • Räume mieten

Statische Links

  • Newsletter abonnieren
  • Datenschutzerklärung
  • Impressum
  • Institutionell akkreditiert nach HFKG 2019–2026
Logo Swissuniversities

QrCode

QrCode
Wir verwenden Cookies, um Ihnen eine optimale Nutzung der Website zu ermöglichen und um Ihnen auf unserer Website, auf anderen Websites und in sozialen Netzwerken personalisierte Werbung anzuzeigen. Indem Sie diesen Hinweis schliessen oder mit dem Besuch der Seite fortfahren, akzeptieren Sie die Verwendung von Cookies. Weitere Informationen zu diesen Cookies und wie Sie die Datenbearbeitung durch sie ablehnen können, finden Sie in unserer Datenschutzerklärung.
OK