PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

IEIIT/CNR COMPUTER ENGINEERING AND NETWORKS GROUP

Stimatore di temperature a basso costo basato su tecniche di machine learning e su Raspberry Pi

Parole chiave ARTIFICIAL NEURAL NETWORKS, MACHINE LEARNING, SENSORI DI TEMPERATURE, SISTEMI HVAC, TECNICHE DI REGRESSIONE

Riferimenti STEFANO SCANZIO

Gruppi di ricerca IEIIT/CNR COMPUTER ENGINEERING AND NETWORKS GROUP

Tipo tesi RICERCA, RICERCA APPLICATA

Descrizione Questa tesi è focalizzata sull'utilizzo di algoritmi di machine learning (ML) per stimare, a basso costo, la temperatura di un ambiente interno.
Il lavoro di tesi consiste in due passi principali che sono (1) la realizzazione di un sistema di acquisizione e (2) la realizzazione di un sistema di stima delle temperature.
Per il passo (1), sia dei PC che dei Raspeberry Pi saranno utilizzati. Il Raspberry Pi saranno utilizzati per acquisire le temperature mediante un sensore di temperature, il PC invece sarà utilizzato per misurare delle features (dei dati) correlati e che influenzano la temperatura (ad esempio le temperature misurate dai sensori di temperatura della CPU, della motherbord, degli hard disk, ecc., così come l'uso della CPU, la frequenza di generazione degli interrupt, ecc.).
Il goal finale del lavoro di tesi è di utilizzare i semplici dati acquisiti dai PC (e altre features) per stimare la temperatura della stanza utilizzando tecniche di ML basate sulla regressione ed in particolare su rete neurali artificiali.

Vedi anche  https://www.skenz.it/ss/theses

Conoscenze richieste Conoscenza basilare del sistema operativo Linux, buone capacità di programmazione (specialmente con il linguaggio di programmazione Python), conoscenza basilare di tecniche di machine learning.

Note Buona parte delle conoscenze possono essere acquisite durante la tesi.


Scadenza validita proposta 28/10/2021      PROPONI LA TUA CANDIDATURA




© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti