L’extraction des règles de prédiction dans le domaine de l’intelligence ambiante

Abstract

Ce projet de thèse de maˆıtrise porte sur l’utilisation de techniques d’apprentissage profond et d’exploration de données, en particulier LSTM, GRU et MLP, pour extraire les règles de prédiction des données fournies par les objets connectés dans le domaine de l’intelligence ambiante. En utilisant ces techniques, il devient possible de prédire le comportement des utilisateurs et de permettre une automatisation intelligente, ouvrant ainsi de nouvelles perspectives pour des applications personnalisées adaptées aux besoins des utilisateurs. La recherche utilise l’ensemble de données ”Aruba” du projet ”CASAS Smart Home” et les résultats obtenus pour LSTM, GRU et MLP sont de 0,84, 0,84 et 0,41, respectivement. Ces résultats devraient avoir un impact important sur le développement de l’intelligence ambiante, faire progresser le domaine et ouvrir la voie `a une exp´erience utilisateur améliorée.