Mjerenje i analiza korelacija WiFi signala i broja ljudi pomoću strojnog učenja

diplomski rad

• Naslov (engleski): Measurement and analysis of correlations between WiFi signal and a number of people via machine learning
• Autor: Karlo Kumiša
• Mentor: Hrvoje Buljan (mentor)
• Član povjerenstva: Hrvoje Buljan (predsjednik povjerenstva)
• Član povjerenstva: Davor Horvatić (član povjerenstva)
• Član povjerenstva: Katarina Jeličić (član povjerenstva)
• Član povjerenstva: Goranka Bilalbegović (član povjerenstva)
• Član povjerenstva: Maja Planinić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Fizički odsjek); Zagreb
• Datum i država obrane: 2022-09-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Fizika

Sažetak

U ovom radu istražuje se mogućnost predviđanja broja ljudi u danom prostoru kroz jakost Wi-Fi polja u određenim točkama prostora. Predviđanja ostvaruju algoritmi strojnog učenja iz podataka generiranih kroz simulaciju i eksperiment. Iako rezultati na eksperimentalnim podacima nisu zadovoljavajući, istraživanje na podacima iz simulacije daje obećavajuće rezultate s obzirom na to da je najveća točnost predviđanja oko 69%.

Sažetak (engleski)

This paper investigates the possibility of predicting the number of people in a given space through the strength of Wi-Fi signal in certain points of space. Predictions are made by machine learning algorithms from data generated through simulation and experiment. Although the results of the experiment data are not satisfactory, research on simulation data give promising results considering that the highest prediction accuracy is around 69%.

• Ključne riječi: Wi-Fi; nadzirano učenje; strojno učenje; senzori; stablo odlučivanja; k najbližih susjeda; neuralna mreža; konvolucijska neuralna mreža
• Ključne riječi (engleski): Wi-Fi; supervised learning; machine learning; sensors; decision tree; k nearest neighbors; neural network; convolutional neural network
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:963152
• Studijski program: Naziv: Fizika; smjerovi: nastavnički; Smjer: nastavnički; Vrsta studija: sveučilišni; Stupanj studija: integrirani preddiplomski i diplomski; Akademski / stručni naziv: magistar/magistra edukacije fizike (mag. educ. phys.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup; Datum isteka embarga: 2024-03-28
• Repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta
• Datum i vrijeme pohrane: 2022-10-20 09:41:41