Optimizing Hidden Markov Models for the Internet of Things

The Internet of Things is a new and emerging branch of control systems where gatheredsensor data is analyzed using computer algorithms. This report applies Markov models, astatistical model based on states with transitions between them, to temperature datagathered from an office. In particular, hidd...

Full description

Bibliographic Details
Main Author: Zachrisson, Mauritz
Format: Others
Language:English
Published: KTH, Skolan för datavetenskap och kommunikation (CSC) 2017
Subjects:
Online Access:http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-208882
id ndltd-UPSALLA1-oai-DiVA.org-kth-208882
record_format oai_dc
spelling ndltd-UPSALLA1-oai-DiVA.org-kth-2088822018-01-14T05:10:32ZOptimizing Hidden Markov Models for the Internet of ThingsengOptimering av dolda Markovmodeller för sakernas InternetZachrisson, MauritzKTH, Skolan för datavetenskap och kommunikation (CSC)2017Computer SciencesDatavetenskap (datalogi)The Internet of Things is a new and emerging branch of control systems where gatheredsensor data is analyzed using computer algorithms. This report applies Markov models, astatistical model based on states with transitions between them, to temperature datagathered from an office. In particular, hidden Markov models are used, which infer the statesand their probable transitions from the temperature observations. The purpose of this studyis to find the optimal number of states in a hidden Markov model for Internet of Thingstemperature data. Evaluation is made by comparing the difference between data predictedby the Markov model and actual temperature measurements. 10, 20, 24, 30, 40, 50 and 168states are evaluated. All number of states perform poorly and differ greatly from the actualmeasurements. It is concluded that a more thorough study is needed to accurately answerthe problem statement. Sakernas Internet eller Internet of Things är en ny typ av kontrollsystem där information om verkligheten samlas in och bearbetas algoritmiskt. Denna studie applicerar Markovmodeller, en statistisk modell som bygger på tillstånd med övergångar emellan dem, på temperaturdata från en kontorsmiljö. Mer specifikt används dolda Markovmodeller, där tillstånd och övergångar räknas ut baserat på de observerade temperaturvärdena. Studiens syfte är att hitta det antal tillstånd som ger en optimal Markovmodell. Detta utvärderas genom att låta modellen förutspå temperaturdata, vars skillnad mot verkliga mätningar summeras till en poäng. 10, 20, 24, 30, 40, 50 och 168 antal tillstånd utvärderas. Alla antal tillstånd ger hög avvikelse och skiljer sig kraftigt från den verkliga mätdatan. Slutsatsen är att en djupare studie krävs för att med säkerhet besvara frågeställningen. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-208882application/pdfinfo:eu-repo/semantics/openAccess
collection NDLTD
language English
format Others
sources NDLTD
topic Computer Sciences
Datavetenskap (datalogi)
spellingShingle Computer Sciences
Datavetenskap (datalogi)
Zachrisson, Mauritz
Optimizing Hidden Markov Models for the Internet of Things
description The Internet of Things is a new and emerging branch of control systems where gatheredsensor data is analyzed using computer algorithms. This report applies Markov models, astatistical model based on states with transitions between them, to temperature datagathered from an office. In particular, hidden Markov models are used, which infer the statesand their probable transitions from the temperature observations. The purpose of this studyis to find the optimal number of states in a hidden Markov model for Internet of Thingstemperature data. Evaluation is made by comparing the difference between data predictedby the Markov model and actual temperature measurements. 10, 20, 24, 30, 40, 50 and 168states are evaluated. All number of states perform poorly and differ greatly from the actualmeasurements. It is concluded that a more thorough study is needed to accurately answerthe problem statement. === Sakernas Internet eller Internet of Things är en ny typ av kontrollsystem där information om verkligheten samlas in och bearbetas algoritmiskt. Denna studie applicerar Markovmodeller, en statistisk modell som bygger på tillstånd med övergångar emellan dem, på temperaturdata från en kontorsmiljö. Mer specifikt används dolda Markovmodeller, där tillstånd och övergångar räknas ut baserat på de observerade temperaturvärdena. Studiens syfte är att hitta det antal tillstånd som ger en optimal Markovmodell. Detta utvärderas genom att låta modellen förutspå temperaturdata, vars skillnad mot verkliga mätningar summeras till en poäng. 10, 20, 24, 30, 40, 50 och 168 antal tillstånd utvärderas. Alla antal tillstånd ger hög avvikelse och skiljer sig kraftigt från den verkliga mätdatan. Slutsatsen är att en djupare studie krävs för att med säkerhet besvara frågeställningen.
author Zachrisson, Mauritz
author_facet Zachrisson, Mauritz
author_sort Zachrisson, Mauritz
title Optimizing Hidden Markov Models for the Internet of Things
title_short Optimizing Hidden Markov Models for the Internet of Things
title_full Optimizing Hidden Markov Models for the Internet of Things
title_fullStr Optimizing Hidden Markov Models for the Internet of Things
title_full_unstemmed Optimizing Hidden Markov Models for the Internet of Things
title_sort optimizing hidden markov models for the internet of things
publisher KTH, Skolan för datavetenskap och kommunikation (CSC)
publishDate 2017
url http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-208882
work_keys_str_mv AT zachrissonmauritz optimizinghiddenmarkovmodelsfortheinternetofthings
AT zachrissonmauritz optimeringavdoldamarkovmodellerforsakernasinternet
_version_ 1718609236262387712