You are on page 1of 23

UNIVERSIDAD CONTINENTAL

FACULTAD DE INGENIERA
ESCUELA ACADMICA PROFESIONAL DE:
INGENIERA DE SISTEMAS E INFORMTICA

SISTEMA DE REDES NEURONALES ARTIFICIALES PARA CASAS INTELIGENTES

TAREA ACADMICA N 3
INGENIERA DEL CONOCIMIENTO

PRESENTADO POR:
HCTOR ARTURO VIVANCO NEZ
JUNIOR BLADIMIR YAURICASA APUMAYTA

HUANCAYO PER
2016

NDICE
1.

Antecedentes del problema..........................................................................4

2.

Problema principal........................................................................................ 4

2.1.

Planteamiento del problema......................................................................4

2.2.

Problema general...................................................................................... 5

3.

Objetivo principal.......................................................................................... 6

4.

Marco terico................................................................................................ 6

4.1.

Redes Neuronales artificiales (RNA)..........................................................6

4.2.

Casas inteligentes (Smarth House)............................................................7

5.

Marco conceptual......................................................................................... 8

5.1.

Calefaccin................................................................................................ 8

5.2.

Aire acondicionado.................................................................................... 8

5.3.

Tubo fluorescente...................................................................................... 8

5.4.

Reloj........................................................................................................... 8

5.5.

Sensor de temperatura.............................................................................. 8

5.6.

Sensor de distancia................................................................................... 9

5.7.

Sensor de movimiento............................................................................... 9

5.8.

Sensor de luz............................................................................................. 9

5.9.

Casa inteligente......................................................................................... 9

5.10.
6.

Red neuronal artificial............................................................................. 9

Metodologa de desarrollo...........................................................................10

6.1.

Datos de la muestra................................................................................ 10

6.2.

Creacin de la RNA realizado en NeuroShell............................................10

6.3.

Modelo RNA............................................................................................. 15

6.4.

Desarrollo de la aplicacin informtica....................................................18

6.5.

Pruebas.................................................................................................... 19

6.5.1.

Pruebas de recuerdo............................................................................. 19

6.5.2.

Pruebas de aprendizaje........................................................................20

7.

Conclusiones............................................................................................... 21

8.

Recomendaciones....................................................................................... 22

9.

Referencias Bibliogrficas...........................................................................23

1. Antecedentes del problema


En el ao 2011, Henrquez y Palma, en su investigacin Control Automtico de
Condiciones Ambientales en Domtica usando Redes Neuronales Artificiales,
Proponen el uso del concepto de computacin omnipresente para mejorar las
relaciones humano-maquina en entornos automatizados como hogares, oficinas y
edificaciones. Se registran los patrones de comportamiento del usuario para luego
emplearlos en un sistema consciente del contexto, capaz de reaccionar de forma
automtica y permitiendo la autoconfiguracin de un sistema automatizado en un
entorno de oficina. (1)
En el ao 2005, Sierra, Hossian, Martnez y Marino, presentaron su trabajo de
investigacin titulada Sistema experto para control inteligente de las variables
ambientales de un edificio energticamente eficiente, Las reglas de automatizacin
presentes en este sistema permitirn una mejor integracin de dispositivos y facilitar
su interaccin con los elementos que definen las prestaciones de un edificio
inteligente. Segn el paradigma distribuido vigente actualmente en automatizacin de
edificios, el sistema experto residente en el computador de supervisin ejercer
funciones especficas de cooperacin y coordinacin inteligente, reservando las
estrategias de control propias de cada sector del edificio a los controladores locales.
(2)

En el ao 2012, Hornero, Corralejo y lvarez Brain-Computer Interface(bCI) aplicado


al entrenamiento cognitivo y control domtica para prevenir los efectos del
envejecimiento, un trabajo de investigacin de El Grupo de Ingeniera Biomdica de la
Universidad de Valladolid propona el empleo de sistemas BCI (Brain-Computer
Interface), que traducen las intenciones del usuario en comandos de control, como
herramienta de entrenamiento cognitivo que ayude a prevenir los efectos del
envejecimiento. Desarrollndose una aplicacin BCI asistiva que permitia el control de
dispositivos domticos y electrnicos presentes en una vivienda. (3)

2. Problema principal
2.1. Planteamiento del problema
La inteligencia artificial que ha pasado de convertirse de un taboo futurista hacia
algo real, bsquedas inteligentes, robots programados para cumplir distintas y
diferentes tipos de labores desde lo industrial hasta armar un cubo de rubik.
Muchos de ellos comercializados ya por empresas que logran generar grandes
ingresos, incluso aspirar la casa como es el caso del Robot aspirador LG Hombot.
Existen tambin muchos proyectos que lo que buscan es poder mitigar lo que las
pelculas de Hollywood han logrado sembrar en ellos, la percepcin de que la
inteligencia artificial tarde o temprano se volver ms inteligente que el mismo
humano y en determinado punto de la historia usando las tres leyes de la robtica
se volvern contra sus creadores mismos.
A modo de segmentacin este presente trabajo a lo que queremos orientarnos es
bsicamente a las RNA dentro del campo de la domtica en otras palabras
CASAS INTELIGENTES, el cual es un tema muy de moda por compaas
tecnolgicas, volviendo o tratando de volver todas las cosas SMARTH, bajo el
concepto e internet de las cosas, las cuales lo que estn logrando es cada vez
ms lograr curiosidad, aceptacin e inquietud de ver los resultados ya mismo.
El presente trabajo o que busca poder reafianzar nuevamente el concepto de
casas inteligentes basndose en RNA, y dando un ejemplo simple de cmo es
que las RNA pueden ser aprovechadas dentro del campo de la domtica
mediante el desarrollo de una sencilla aplicacin de escritorio bajo el lenguaje de
programacin de visual basic.

2.2. Problema general


De qu manera se puede procesar la informacin conocida del funcionamiento
de los sensores y dispositivos para que luego sea un funcionamiento autnomo de
la casa inteligente?
Podemos emular el comportamiento de una casa inteligente mediante el uso de
un algoritmo inteligente basado en RNA?
De qu manera se puede mostrar a la poblacin peruana de que las casas
inteligentes controladas por computadores son viables?

Cmo podemos realizar un algoritmo inteligente basado en RNA que pueda


usarse en casa inteligentes?
3. Objetivo principal
Desarrollar un software aplicativo RNA para que procese la informacin conocida
sobre el funcionamiento de los sensores y dispositivos, mediante la tecnologa
NeuroShell.
Desarrollar un software de domtica basado en Redes Neuronales Artificiales, la cual
logre emular el comportamiento de una casa inteligente adems del control de
sensores y elementos que posea una casa, tales como la luz, la calefaccin, entre
otras.

4. Marco terico
4.1. Redes Neuronales artificiales (RNA)
Las Redes Neuronales Artificiales, ANN (Artificial Neural Networks) estn inspiradas
en las redes neuronales biolgicas del cerebro humano. Estn constituidas por
elementos que se comportan de forma similar a la neurona biolgica en sus funciones
ms comunes. Estos elementos estn organizados de una forma parecida a la que
presenta el cerebro humano. Las ANN al margen de "parecerse" al cerebro presentan
una serie de caractersticas propias del cerebro. Por ejemplo, las ANN aprenden de la
experiencia, generalizan de ejemplos previos a ejemplos nuevos y abstraen las
caractersticas principales de una serie de datos. Aprender: adquirir el conocimiento de
una cosa por medio del estudio, ejercicio o experiencia. Las ANN pueden cambiar su
comportamiento en funcin del entorno. Se les muestra un conjunto de entradas y
ellas mismas se ajustan para producir unas salidas consistentes. Generalizar:
extender o ampliar una cosa. Las ANN generalizan automticamente debido a su
propia estructura y naturaleza. Estas redes pueden ofrecer, dentro de un margen,
respuestas correctas a entradas que presentan pequeas variaciones debido a los
efectos de ruido o distorsin. Abstraer: aislar mentalmente o considerar por separado
las cualidades de un objeto. Algunas ANN son capaces de abstraer la esencia de un
conjunto de entradas que aparentemente no presentan aspectos comunes o relativos.
(4)

4.2. Casas inteligentes (Smarth House)


En el artculo de investigacin de Marcos Peiroten, hace alusin a la domtica y
casa inteligentes mediados del siglo se han organizado varias exhibiciones para
ensearnos ideas de cmo las casas patentaran y cmo funcionaran en un
futuro lejano. La gente se imaginaba cmo se podra hacer ms cmoda la
estancia en casa, cmo se facilitaran las tareas domsticas, etc. Despus de la
aparicin de dispositivos electrnicos inteligentes como el ordenador fue
surgiendo del concepto de la automatizacin del hogar: la domtica Este
concepto se refiere a la automatizacin y control (encendido, apagado,
apertura, cierre y regulacin) de aparatos y sistemas de instalaciones elctricas
y electrotcnicas (iluminacin, climatizacin, persianas y toldos, puertas y
ventanas motorizadas, el riego, etc.) de forma centralizada y/o remota. El
objetivo principal del uso de la domtica es el aumento del confort, el ahorro
energtico y la seguridad del hogar. Sin embargo, llevar a cabo la
automatizacin de un hogar no es tarea fcil. Es un sistema complejo con una
gran variedad de elementos conectados entre s. Es imprescindible una
organizacin rigurosa del sistema para que en su conjunto pueda funcionar
correctamente. Se deben definir unas reglas de automatizacin y de
comunicacin de manera que los dispositivos de percepcin sensores)
comuniquen el estado actual de varios aspectos de la casa a los dispositivos
que se encargan de cambiar estos aspectos (actuadores) para poder elevar a
cabo el objetivo principal de la domtica. Adems, debe haber una interfaz para
que el usuario pueda personalizar el sistema inteligente a su antojo, como por
ejemplo la temperatura en una habitacin.

Ilustracin 1: Arquitectura posible de un sistema demtico

5. Marco conceptual
5.1. Calefaccin
Segn la RAE Conjunto de aparatos destinados a calentar un edificio o parte
de l. (66)
5.2. Aire acondicionado
Segn la RAE Sistema artificial de regulacin de la temperatura en un espacio
cerrado. (66)
5.3. Tubo fluorescente
Segn la RAE De iluminacin en el que un gas se torna incandescente por
efecto de una corriente elctrica. (66)
5.4. Reloj
Segn la RAE Instrumento que sirve para medir el tiempo. (66)
5.5. Sensor de temperatura
Segn Celis E. el sensor de temperatura lo define como Resistencia Trmica
que se usa para medir la temperatura del aire de admisin, o la temperatura de
la mezcla aire/combustible. (55)

5.6. Sensor de distancia


El Barbus define el sensor de distancia o ultrasonidos El sensor de ultrasonidos
se enmarca dentro de los sensores para medir distancias o superar obstculos,
entre otras posibles funciones. Esto lo consigue enviando un ultrasonido
(inaudible para el odo humano por su alta frecuencia) a travs de uno de la
pareja de cilindros que compone el sensor (un transductor) y espera a que
dicho sonido rebote sobre un objeto y vuelva, retorno captado por el otro
cilindro. (44)
5.7. Sensor de movimiento
Harke W. en el captulo 5 La tecnologa sin bateras de EnOcean. Un sensor de
movimiento o de presencia es un dispositivo electrnico que detecta
movimientos fsicos. (33)
5.8. Sensor de luz
Harke W. en el captulo 5 La tecnologa sin bateras de EnOcean. Es un sensor
inalmbrico que mide el nivel de iluminacin en dos escalas, en lux estndar
300 hasta 30.000 lx y, alternativamente, 600 hasta 60.000 lx. El sensor de luz
enva un telegrama RF a un mdulo receptor que segn la funcin del software
correspondiente activa las luces de las habitaciones y exteriores. (33)
5.9. Casa inteligente
De la Rosa R. define a una casa inteligente que busca hacer ms eficiente los
sistemas de audio y video, la seguridad, la iluminacin, las comunicaciones y la
automatizacin, es decir, que la unin de la tecnologa y la arquitectura, da
como resultado la comodidad, seguridad y entretenimiento. (22)
5.10.

Red neuronal artificial

Segn Ponce P. las redes neuronales se basan en generalizar informacin


extrada de datos experimentales, tablas bibliogrficas o bases de datos que se
determinan por expertos humanos que da un procesamiento automtico
inspirado en la forma en que funciona el sistema nervioso. Dichas redes
neuronales toman en cuenta las entradas (corriente, voltaje) y como salidas las
seales del sistema (velocidad, temperatura, torque). (11)

6. Metodologa de desarrollo
6.1. Datos de la muestra
Sensor
de luz:
no
luminos
o
1
1
1
1
1
0
0

Sensor de
movimient
o: hay
movimient
o
0
0
1
0
1
1
1

Sensor
de
Sensor de
Reloj: hora Fluoresc
distanci temperatura
18:00 - 6:00
ente
a: d >
: t <= 12c
1.20 m
0
1
1
0
0
0
1
0
0
0
1
1
1
1
1
1
1
0
1
1
1
1
0
0
1
1
1
0

6.2. Creacin de la RNA realizado en NeuroShell


a) Descripcin del Programa RNA

Ilustracin 2: Interfaz principal del NeuroShell

b) Ingresando Datos

Aire
Calefacci
condicion
n
ado
0
1
1
0
1
0
0

1
0
0
1
0
1
1

Ilustracin 3: Insercion de datos dentro del software

c) Definiendo INPUTS y OUTPUTS

d) Test Set Extraction

e) Learning

f) Network Processing

g) File Attach Utility

f) Source Code Generator

Ilustracin 4: Generacin del cdigo fuente RNA casa

h) Archivos generados

Ilustracin 5:Captura de pantalla de ficheros del software

6.3. Modelo RNA

Ilustracin 6: Diagrama visual del RNA

a) Feature2(1)
b)
c)
d)
e)
f)
g)
h)

netsum = .3299264
netsum = netsum + inarray(1) * .3658802
netsum = netsum + inarray(2) * -5.39856
netsum = netsum + inarray(3) * -3.036063
netsum = netsum + inarray(4) * -1.307685
netsum = netsum + inarray(5) * .5171111
feature2(1) = 1 / (1 + exp(-netsum))

i)
j) Feature2(2)
k) netsum = -.5626388
l) netsum = netsum + inarray(1) * -.5662146
m)netsum = netsum + inarray(2) * -1.647601
n) netsum = netsum + inarray(3) * -.519097
o) netsum = netsum + inarray(4) * 2.302993
p) netsum = netsum + inarray(5) * .1560865
q) feature2(2) = 1 / (1 + exp(-netsum))

r)
s) Feature2(3)
t)
u)
v)
w)
x)
y)
z)
aa)

netsum = .0130033
netsum = netsum + inarray(1) * 2.487304
netsum = netsum + inarray(2) * 1.053859
netsum = netsum + inarray(3) * 1.340798
netsum = netsum + inarray(4) * -2.575107
netsum = netsum + inarray(5) * .4751444
feature2(3) = 1 / (1 + exp(-netsum))

ab)
ac)
Feature2(4)
ad)
ae)
af)
ag)
ah)
ai)
aj)
ak)

netsum = 2.397955
netsum = netsum + inarray(1) * -4.33529
netsum = netsum + inarray(2) * -2.537303
netsum = netsum + inarray(3) * -2.162201
netsum = netsum + inarray(4) * 1.699598
netsum = netsum + inarray(5) * .3006894
feature2(4) = 1 / (1 + exp(-netsum))

ao)
ap)
aq)
ar)
as)
at)
au)

netsum = .3565951
netsum = netsum + inarray(1) * 1.198606
netsum = netsum + inarray(2) * .4913293
netsum = netsum + inarray(3) * -.3669547
netsum = netsum + inarray(4) * -3.77375
netsum = netsum + inarray(5) * .3796086
feature2(5) = 1 / (1 + exp(-netsum))

al)
am)
Feature2(5)
an)

f) Feature2(6)
av)
aw)
ax)
ay)
az)
ba)
bb)
bc)

netsum = -.3784626
netsum = netsum + inarray(1) * -.8345
netsum = netsum + inarray(2) * -1.474246
netsum = netsum + inarray(3) * -.3608487
netsum = netsum + inarray(4) * 2.090924
netsum = netsum + inarray(5) * .2728783
feature2(6) = 1 / (1 + exp(-netsum))

bd)
g) Feature2(7)
be)
bf)
bg)
bh)
bi)
bj)
bk)
bl)

netsum = 6.087619E-02
netsum = netsum + inarray(1) * -3.064085
netsum = netsum + inarray(2) * .6604984
netsum = netsum + inarray(3) * .6794248
netsum = netsum + inarray(4) * 1.583967
netsum = netsum + inarray(5) * -.4668071
feature2(7) = 1 / (1 + exp(-netsum))

bo)
bp)
bq)
br)
bs)
bt)
bu)
bv)
bw)

netsum = 1.360639
netsum = netsum + feature2(1) * -5.243882
netsum = netsum + feature2(2) * .7706542
netsum = netsum + feature2(3) * 1.912218
netsum = netsum + feature2(4) * -4.996902
netsum = netsum + feature2(5) * -.8572631
netsum = netsum + feature2(6) * .4127631
netsum = netsum + feature2(7) * -3.291097
outarray(1) = 1 / (1 + exp(-netsum))

bm)
h) Outarray(1)
bn)

bx)
i) Outarray(2)
by)
bz)
ca)
cb)
cc)
cd)
ce)
cf)
cg)
ch)

ci)

netsum = -.8479785
netsum = netsum + feature2(1) * 1.197374
netsum = netsum + feature2(2) * -1.967832
netsum = netsum + feature2(3) * 1.319467
netsum = netsum + feature2(4) * 4.040466E-02
netsum = netsum + feature2(5) * 2.219251
netsum = netsum + feature2(6) * -1.874942
netsum = netsum + feature2(7) * -.411411
outarray(2) = 1 / (1 + exp(-netsum))

j) Outarray(3)
cj)
ck)
cl)
cm)
cn)
co)
cp)
cq)
cr)

netsum = .8859998
netsum = netsum + feature2(1) * -1.168332
netsum = netsum + feature2(2) * 1.958859
netsum = netsum + feature2(3) * -1.21748
netsum = netsum + feature2(4) * 2.758806E-02
netsum = netsum + feature2(5) * -2.358561
netsum = netsum + feature2(6) * 1.720265
netsum = netsum + feature2(7) * .3797615
outarray(3) = 1 / (1 + exp(-netsum))

6.4. Desarrollo de la aplicacin informtica


cs)

ct)
cu) Ilustracin 7: interfaz del software RNS

cv)

6.5. Pruebas
6.5.1. Pruebas de recuerdo
a) Primera prueba

cw)
cx)

Ilustracin 8: Captura de pantalla del Test de recuerdo #1 del software

RNA

b) Segunda prueba

cy)
cz)

Ilustracin 9: Captura de pantalla del Test de recuerdo #2 del software

RNA

c) Tercera prueba

da)
db)

Ilustracin 10: Captura de pantalla del Test de recuerdo #3 del software

RNA

6.5.2. Pruebas de aprendizaje


dc)
a) Primera prueba

dd)
de)

Ilustracin 11: Captura de pantalla del Test aprendizaje #1 del software

RNA

b) Segunda prueba

df)
dg)
software RNA

Ilustracin 12: Captura de pantalla del Test de aprendizaje #2 del

c) Tercera prueba

dh)
di)
software RNA

Ilustracin 13: Captura de pantalla del Test de aprendizaje #3 del

dj)
7. Conclusiones
dk) La aplicacin de las RNA en los distintos campos de la vida es una rama muy
compleja de estudiar, considerando el hecho de que no podemos integrarlas a un
modo ms completo y complejo.
dl) El proyecto realizado solo se limita al uso de algunos sensores dentro de lo que se
considera una casa y a los elementos como el aire acondicionado, calefaccin y la luz,
los cuales son de importancia si lo que se busca es comodidad en el hogar.
dm)

Si ben se conoce el objetivo principal del proyecto quedo definido como el

desarrollo de un software aplicativo RNA para que procese la informacin conocida


sobre el funcionamiento de los sensores y dispositivos, mediante la tecnologa
NeuroShell, lo cual quedo satisfactoriamente completo, pero el resultado quedo como
un aplicativo de escritorio con variables iniciales de ingreso lo cual se desarrolla
manualmente, posterior a ello en funcin de un algoritmo transforma esa informacin
ingresada en informacin de salida que dan las ordenes a los tres sensores.
dn) El uso de las RNA en la domtica o casa inteligentes son proyectos que vienen
tomando fuerza desde hace mucho, las cuales de la mano de computadores y
microcomputadores (cabe mencionar al popular arruino dentro de estas) ha ido
forjando una fuerte base de desarrollo, pero an queda campo por recorrer.
do)

8. Recomendaciones
dp) Para posteriores trabajos de investigacin que deseen usar como marco de
referencia este trabajo o el algoritmo desarrollado para poder usarlo en la va cotidiana
se recomendara el uso de sensores mencionados en el contexto de trabajo
desarrollado y el uso de un arduino en cualquiera de sus versiones si desean que el
proyecto sea a escala lo ms real posible.
dq) En el caso de desear utilizar ms sensores es recomendable por experiencia
misma de este proyecto y que puedan tomar a consideracin el uso de la herramienta
NeuroShell como motor de inferencia y orientado hacia el desarrollo de RNA en el
enfoque de perceptron.
dr)

9. Referencias Bibliogrficas
1. scielo.cl [Internet], scielo [actualizada 4 febrero 2011, consultado 12 febrero 2016].
Disponible
en:
http://www.scielo.cl/scielo.php?pid=S071807642011000300014&script=sci_arttext&tlng=pt
2. sistemamid.com [Internet] sistemamid [consultada el 12 febrero 2016]. Disponible
en:
http://www.sistemamid.com/panel/uploads/biblioteca/1/349/1259/6572/6578/77462.
pdf
3. envejecimiento.csic.es [Internet] envejecimiento [actualizada 18 abril 2012,
consultada
el
12
febrero
2016].
Disponible
en:
http://envejecimiento.csic.es/documentos/documentos/lychnos08-hornerobraincomputer-01.pdf
4. Basogain O. Redes Neuronales artificiales y sus aplicaciones. Bilbao: Editora
Humboldt; 2008.
5. Ponce P. Inteligencia Artificial, con aplicaciones a la ingeniera. 1a ed. D.F.:
Editorial Alfaomega. 2010.
ds)
6. De la Rosa R. Domtica: Casa Inteligente: ltimo grito en tecnologa [Internet].
Blogspot. [publicado 20 enero 2009] - [consultado 12 febrero 2016]. Disponible en:
http://todoarquitecturadisenoconstruccion.blogspot.pe/2009/01/domtica-casainteligente-ltimo-grito-en.html
dt)
7. Harke W. Domtica para viviendas y edificios. 1a ed. Barcelona: Editorial
Marcombo. 2010
du)
8. Barbus. Tutorial: sensor ultrasonidos HC-SR04 [Internet]. Blogspot. [publicado 18
marzo
2014]
[consultado
12
febrero
2016].
Disponible
en:
http://elcajondeardu.blogspot.pe/2014/03/tutorial-sensor-ultrasonidos-hc-sr04.html
dv)
9. Celis E. Glosario tcnico - Mecnica Automotriz [Internet]. Automecnico;
[modificado
2015;
consultado
12
febrero
2016].
Disponible
en:
http://automecanico.com/auto2005/glosarios.html
dw)
10. Real Academia Espaola. Diccionario de la lengua espaola. 23a ed. Madrid,
Espaa. 2014.

dx)
11. iit.upcomillas.es [Internet], upcomillas [actualizada 07 junio 2013, consultado 12
febrero
2016].
Disponible
en:
http://www.iit.upcomillas.es/pfc/resumenes/51b1a51100330.pdf
dy)
dz)

You might also like