Kapalı Mekân Ortamında 1D-CNN Kullanarak Yapılan Doluluk Tespiti Sınıflandırması

Abstract

Derin Öğrenme modelleri kompleks deneyimlerden bilgi çıkarımına imkân sağlayan spesifik Makine Öğrenmesi yöntemleridir. Kapalı bir mekândaki bazı veri değerlerindeki değişiminin öğrenilmesi ile odada herhangi bir kişinin bulunup bulunmamasının tespit edilmesi bu deneyimlerden biridir. Bu çalışmanın amacı zaman serileri olarak oluşturulmuş ve zaman içinde ışık, sıcaklık, nem ve CO2 değerlerindeki değişimler ile kapalı bir mekânda doluluk tespiti probleminin Bir Boyutlu Evrişimli Sinir Ağı (1D-CNN) ile gerçekleştirilmesidir. Bir adet eğitim ve iki adet test veri seti kullanılarak model eğitilmiş ve daha önce tecrübe edilmeyen test veri setleri ile modelin başarısı gözlenmiştir. Keras uygulama programlama arayüzünde 1D-CNN modeli ile gerçekleştirilen testlerde doluluk tespiti sınıflandırmasının RF (Random Forest), GBM (Gradient Boosting Machines), CART (Classification and Regression Trees), LDA (Linear Discriminant Analysis) yöntemlerinden daha başarılı sonuçlar verdiği gözlenmiştir.