Developing synthetic data generation software for artificial intelligence techniques used in smart home systems

Year 2016, Volume: 18 Issue: 2, 1 - 11, 21.12.2016

Hüseyin Güneş , Emre Orta Davut Akdaş

https://doi.org/10.25092/baunfbed.280151

Cited By: 2

Abstract

Nowadays artificial intelligence techniques such as artificial neural
networks, support vector machines, fuzzy logic, Markov models etc. have been
started to use in smart home systems to automate actions executed by
inhabitants. In order to make sure that algorithms work correctly, they need to
be tested and improved. For that, we need data sets to use in testing. These
datas could be generated in real life environment, as well as in virtual
environment with ease. Synthetic data generation softwares are used to generate
these data sets. In this paper, in order to test artificial intelligence
techniques used in smart home systems, a software that generates synthetic data
sets by mimicking daily human activities is developed. A family including 5
people with daily life scenarios is created to test the developed software.
Subsequently according to the scenarios, a data set for a year is created by
the software and tested its validaty using statistical methods. Generated data
sets and obtained test results are introduced and the developed software was
found to be successful.

Keywords

Synthetic data generation, artificial ıntelligence, smart home automation, dataset generation

Akıllı ev sistemlerinde kullanılan yapay zekâ teknikleri için yapay veri üretici geliştirilmesi

Abstract

Günümüzde akıllı ev sistemlerinde bireylerin yapacakları rutin
işlemlerin otomatik olarak gerçekleştirilebilmesi için, yapay sinir ağları,
destek vektör makinaları, bulanık mantık, Markov modelleri vb. yapay zekâ
teknikleri kullanılmaya başlanmıştır. Algoritmaların doğru bir şekilde
çalışabilmesi için test edilmesi ve iteratif olarak iyileştirilmesi
gerekmektedir. Bunun için de algoritmaların test edebileceği veri setlerine
ihtiyaç vardır. Bu veriler, gerçek ortamda üretilebileceği gibi daha kolay bir
şekilde sanal ortamda da üretilebilmektedir. Yapay verilerin üretilebilmesi
için yapay veri üretimi yazılımları kullanılabilmektedir. Bu çalışmada da
akıllı ev sistemlerinde kullanılan yapay zekâ tekniklerinin test edilebilmesi
için günlük insan davranışlarını taklit ederek yapay veriler üreten bir yazılım
geliştirilmiştir. Yazılımı test etmek amacıyla 5 kişiden oluşan bir aile
oluşturularak, bu kişiler için ev otomasyonu kullanım senaryoları yazılmıştır.
Daha sonra senaryolara göre, geliştirilen yazılım aracılığıyla 1 yıllık yapay
veri seti üretilmiş ve üretilen verilerin istatistiksel yöntemlerle senaryolara
uygunluğu test edilmiştir. Üretilen veriler ve elde edilen test sonuçları
sunulmuş, geliştirilen yazılımın başarılı olduğu görülmüştür.

Keywords

Yapay veri üretimi, yapay zekâ, akıllı ev otomasyon, veri seti üretimi

References

• [1] Mennicken, S., Vermeulen, J., and Huang, E., From today's augmented houses to tomorrow's smart homes: New directions for home automation research. Ubicomp 2014, Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing, Seattle, 105-115, (2014).
• [2] Alam, M. R., Reaz M. B. I., and Ali, M. A. M., A Review of smart homes-past, present, and future, IEEE Transactions on Systems, Man, and Cybernetics Part-C: Applications and Reviews, 1190-1203, (2012).
• [3] Heierman, E. O., and Cook, D. J., Improving home automation by discovering regularly occurring device usage patterns, Proceedings of the Third IEEE International Conference on Data Mining, Florida, 537-540, (2003).
• [4] Jarmin, R. S., Louis, T. A., and Miranda, J., Expanding the role of synthetic data at the U.S. Census Bureau, Statistical Journal of the IAOS : Journal of the International Association for Official Statistics, 30, 117-121, (2014).
• [5] Parker, S. P., McGraw-Hill Dictionary of Scientific and Technical Terms, McGraw-Hill Education, (2002).
• [6] Korel, B., Automated software test data generation, IEEE Transactions on Software Engineering, 16, 8, 870-879, (1990).
• [7] Arasu, A., Kaushik, R., and Li, J., DataSynth: Generating synthetic data using declarative constraints, Proceedings of the VLDB Endowment, 4, 12, 1418-1421, (2011).
• [8] Hoag, J. E., and Thompson, C. W., A parallel general-purpose synthetic data generator, ACM SIGMOD Record, 36, 19-24, (2007).
• [9] Bruno, N. and Chaudhuri, S., Flexible Data Generator, Proceedings of the 31st VLDB Conference, Trondheim, Norway, 1097-1107, (2005).
• [10] Test Data Generation - Grid-Tools, https://www.grid-tools.com/solutions/data-generation/, (24.11.2015).
• [11] GenerateData, http://www.generatedata.com/, (24.11.2015).
• [12] Redgate software - tools for SQL server, .NET, & Oracle, http://www.red-gate.com/, (24.11.2015).