MétaCan
Menu
Retour à la cohorte
Enregistrement W2968230925 · doi:10.18280/ria.330104

Home Automation and Security System Using IOT

2019· article· fr· W2968230925 sur OpenAlexvenueno aff
N. Veeranjaneyulu, G. Srivalli, Jyostna Devi Bodapati

Notice bibliographique

RevueRevue d intelligence artificielle · 2019
Typearticle
Languefr
DomaineEngineering
ThématiqueIoT-based Smart Home Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternet of ThingsComputer securityComputer scienceAutomationSecurity systemInternet privacyEmbedded systemEngineering

Résumé

récupéré en direct d'OpenAlex

It is needless to say the importance of automation and security systems in the present era.In this paper we propose simple solutions for automation of electrical appliances and home security.We propose to control automatic turn on and turn off of electrical appliances like electric bulb, Air conditioner, electric fan etc.; with respect to the human motion detection rather than using manual switch on/off system.Another solution is controlling the Air conditioner temperature depending on the room temperature.We propose another function to provide security.In all these applications, the Arduino Uno processing unit is used, along with 3 different sensors.To detect the human presence PIR (Passive Infrared) Sensor is used, temperature sensor (LM35) is used to detect the room temperature and Ultrasonic (HC-SR04) sensor is used to detect the presence of objects.If there is any human movement it is detected by the PIR Sensor and the lights will turn on.If the room temperature is above the given temperature set, it is detected by the temperature sensor and the Air conditioner will turn on directly.If there is any object that is detected by the ultrasonic sensor it is detected by the sensor and a buzzer is set that starts emitting sound.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,237
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue d intelligence artificielleMême sujetIoT-based Smart Home SystemsTravaux en français237 207