Teorijski izračun i analiza korelacija WiFi signala i broja ljudi pomoću strojnog učenja

diplomski rad

• Naslov (engleski): Theoretical calculation and analysis of WiFi signals with machine learning
• Autor: Vinko Kliček
• Mentor: Hrvoje Buljan (mentor)
• Član povjerenstva: Hrvoje Buljan (predsjednik povjerenstva)
• Član povjerenstva: Andrej Novak (član povjerenstva)
• Član povjerenstva: Željko Skoko (član povjerenstva)
• Član povjerenstva: Vedran Đerek (član povjerenstva)
• Član povjerenstva: Ivica Smolić (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

Cilj istraživanja je korištenjem analize WiFi signala otkriti prisustvo ljudi u WiFi polju. Podatci koje analiziramo su intenziteti elektromagnetskog (WiFi) polja u danim točkama prostora, za danu konfiguraciju objekata koji se nalaze u prostoriji. Koristimo tri različite metode strojnog učenja na istim setovima podataka. Gledamo rješenja koja nam daje strojno učenje za pojedinu metodu te ih uspoređujemo s ostalim metodama. Zanima nas koja metoda daje bolje rezultate te što možemo u budućnosti poboljšati da dobijemo bolja rješenja. Jedan set podataka je dobiven teorijski koristeći program COMSOL, dok je drugi set podataka dobiven eksperimentalno.

Sažetak (engleski)

The goal of the research is to detect the presence of people in the WiFi field using WiFi signal analysis. The data that we analyze are the intensities of the electromagnetic (WiFi) field in given points of space, for a given configuration of objects located in the room. We are using three machine learning methods on same datasets. Machine learning give us results for individual method and then we compare those results with other machine learning results. We do that because we want to see what method works the beast and how we can upgrade to get better results. One dataset was obtained theoretically using the COMSOL program, while the other dataset was obtained experimentally.

• Ključne riječi: DTC; Decision Tree Classification; GNB; Gaussian Naive Bayes; EM; elektromagnetski
• Ključne riječi (engleski): DTC; Decision Tree Classification; GNB; Gaussian Naive Bayes; EM; electromagnetic
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:463744
• Studijski program: Naziv: Fizika i informatika; smjerovi: nastavnički; Smjer: nastavnički; Vrsta studija: sveučilišni; Stupanj studija: integrirani preddiplomski i diplomski; Akademski / stručni naziv: magistar/magistra fizike i informatike (mag. educ. phys. et inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup; Datum isteka embarga: 2024-03-28
• Datum i vrijeme pohrane: 2022-10-19 07:17:29