prikaz prve stranice dokumenta Prepoznavanje događaja primjenom strojnog učenja u ugradbenom mjernom sustavu
No public access
undergraduate thesis
Prepoznavanje događaja primjenom strojnog učenja u ugradbenom mjernom sustavu
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:162987
Inkret, Leonard
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Inkret, L. (2023). Prepoznavanje događaja primjenom strojnog učenja u ugradbenom mjernom sustavu (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:162987

Inkret, Leonard. "Prepoznavanje događaja primjenom strojnog učenja u ugradbenom mjernom sustavu." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:162987

Inkret, Leonard. "Prepoznavanje događaja primjenom strojnog učenja u ugradbenom mjernom sustavu." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:162987

Inkret, L. (2023). 'Prepoznavanje događaja primjenom strojnog učenja u ugradbenom mjernom sustavu', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 09 July 2024, https://urn.nsk.hr/urn:nbn:hr:168:162987

Inkret L. Prepoznavanje događaja primjenom strojnog učenja u ugradbenom mjernom sustavu [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 July 09] Available at: https://urn.nsk.hr/urn:nbn:hr:168:162987

L. Inkret, "Prepoznavanje događaja primjenom strojnog učenja u ugradbenom mjernom sustavu", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:162987

Metadata
TitlePrepoznavanje događaja primjenom strojnog učenja u ugradbenom mjernom sustavu
Title (english)Event recognition using machine learning in an embedded measurement system
AuthorLeonard Inkret
MentorMarko Jurčević (mentor)
Committee memberMarko Jurčević (predsjednik povjerenstva)
Committee memberJure Konjevod (član povjerenstva)
Committee memberIvan Leniček (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-07-07, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Ovaj završni rad, "Primjena TinyML-a u ugradbenim računalnim sustavima", fokusira se na istraživanje potencijala primjene sitnog strojnog učenja, poznatog kao TinyML, u domeni ugradbenih računalnih sustava. Rad pruža sveobuhvatan pregled trenutnog stanja i mogućnosti TinyML-a, posebno usmjeren na komercijalno dostupne ugradbene platforme koje podržavaju ovaj koncept. Glavni dio istraživanja posvećen je implementaciji sustava za detekciju prisutnosti koristeći TensorFlow Lite na Raspberry Pi platformi, čime se demonstrira učinkovitost i fleksibilnost ovog razvojnog okvira na resursno ograničenim uređajima. Rad prikazuje proces implementacije, treniranja i evaluacije senzorske mreže, ukazujući na izazove susretane tijekom tog procesa, što je rezultiralo nepotpunim rezultatima. Unatoč tome, rad pruža uvid u mogućnosti i izazove koje donosi TinyML u kontekstu ugradbenih računalnih sustava, nudi smjernice za buduće implementacije te ističe potencijalni doprinos ovog područja za sigurnost, praćenje okoline i industrijsku automatizaciju.
Abstract (english)
This thesis, "Application of TinyML in Embedded Computing Systems," focuses on exploring the potential of Tiny Machine Learning (TinyML) implementations within the realm of embedded computing systems. The work provides a comprehensive overview of the current state and capabilities of TinyML, with a special focus on commercially available embedded platforms that support this concept. The main part of the research is dedicated to the implementation of a occupancy detection system using TensorFlow Lite on a Raspberry Pi device, demonstrating the efficiency and flexibility of this development approach on resource-constrained devices. The paper outlines the process of implementing, training, and evaluating the sensor network, highlighting the challenges encountered during the process, which resulted in incomplete results. Despite this, the work provides insights into the opportunities and challenges brought by TinyML in the context of embedded computing systems, offers guidelines for future implementations, and underscores the potential contribution of this field to security, environmental monitoring, and industrial automation.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:162987
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-07-13 10:07:15