by IP UBS is simple, removing or no

by IP UBS is simple, removing or not removing the pattern from the set of patterns;
but in refining patterns, IP UBS guides the user through the different aspects of the
pattern that the user may like to change.
So far the interaction system has been conceived to obtain feedback from the user
about the patterns it has learned, but it is worth mentioning that the system can
be evolved in many different ways to suit the needs of different users in different
environments.
Technical aspects
IP UBS has been developed using a speech synthesizer and a speech recognizer.
In order to facilitate integration with AP UBS (developed in Java), we have chosen a
synthesizer and recognizer written entirely in Java. We chose FreeTTS 1.2 1 for the
speech synthesizer and Sphinx-4 2 as the speech recognizer.
Both FreeTTS and Sphinx make interaction with the user easier by providing easyto-use tools. Complications arise mainly due to the changing nature of Intelligent Environments. For example, IP UBS cannot know beforehand what devices are in the
environment; thus, grammars for the recognizer must be created and loaded dynamically to integrate the interaction module into a specific environment.
5 Validation of PUBS
In order to validate the system we applied it to artificial data generated at the University of Ulster and then to two different real datasets collected from Washington State
University’s (WSU’s) Smart Apartment and MavPad.
5.1 Validating PUBS with the WSU Smart Apartment dataset
The data collected in the WSU smart apartment (Cook and Schmitter-Edgecombe,
2008) represents participants performing five Activities of Daily Living (ADLs) in the
apartment: making a phone call, washing hands, cooking, taking medicine/eating the
food and cleaning (See Table I for actions involved in each activity).
In all, the sensors installed in WSU smart apartment are:
– 14 sensors on objects such as phone, medicine container or cabinet.
– 27 motion sensors.
As the set of actions involved in these 5 ADLs and the order of such actions were
known in advance, we knew what patterns should be discovered by PUBS. Thus, the
validation of PUBS using this dataset was especially critical for the first step of AP UBS
(“Identifying associated sensor triggering”) because we knew what relationships were
hidden in this dataset.
As expected, it discovered the 17 relationships hidden in the dataset. In order to
avoid misunderstandings, it is worth mentioning that some relationships defined in
Table I are repeated in different activities, e.g., Water (ON) – > Water (OFF). Besides
these relationships it discovered 6 irrelevant relationships, so that it discovered 23
patterns in all. Following some of the patterns that have been found are shown:
1 http://freetts.sourceforge.net/docs/index.php
2 http://cmusphinx.sourceforge.net/sphinx4/

Kết quả (Việt) 1:

bởi IP UBS là đơn giản, loại bỏ hoặc không có thể loại bỏ các mô hình từ các thiết lập của mẫu;nhưng trong tinh chế mẫu, IP UBS hướng dẫn người dùng thông qua các khía cạnh khác nhau của cácMô hình mà người dùng có thể muốn thay đổi.Cho đến nay hệ thống tương tác đã được hình thành để có được thông tin phản hồi từ người dùngvề các mô hình đó có học được, nhưng nó là đáng nói đến là hệ thống có thểđược phát triển trong nhiều cách khác nhau để phù hợp với nhu cầu của người sử dụng khác nhau trong khác nhaumôi trường.Khía cạnh kỹ thuậtIP UBS đã được phát triển bằng cách sử dụng một bài phát biểu tổng hợp và một bộ nhận dạng giọng nói.Để tạo điều kiện hội nhập với AP UBS (phát triển trong Java), chúng tôi đã chọn mộtTổng hợp và bộ nhận dạng viết hoàn toàn bằng Java. Chúng tôi đã chọn FreeTTS 1.2 1 cho cácbài phát biểu tổng hợp và nhân sư-4 2 như bộ nhận dạng giọng nói.FreeTTS và nhân sư làm cho tương tác với người sử dụng dễ dàng hơn bằng cách cung cấp công cụ sử dụng easyto. Biến chứng phát sinh chủ yếu do tính chất thay đổi môi trường, thông minh. Ví dụ: IP UBS không thể biết trước những gì thiết ở nhữngmôi trường; Vì vậy, grammars cho bộ nhận dạng phải được tạo ra và được nạp tự động để tích hợp các tương tác module vào một môi trường cụ thể.Xác nhận 5 của quán rượuĐể xác nhận hệ thống chúng tôi áp dụng nó vào dữ liệu nhân tạo được tạo ra tại Đại học Ulster và sau đó là hai khác nhau datasets thực sự thu thập từ các tiểu bang WashingtonTrường đại học của căn hộ thông minh (WSU) và MavPad.5.1 phê chuẩn các quán rượu với số liệu WSU căn hộ thông minhDữ liệu được thu thập trong căn hộ thông minh WSU (Cook và Schmitter-Edgecombe,2008) đại diện cho những người tham gia thực hiện năm hoạt động của hàng ngày sống (Languages) trong cáccăn hộ cao cấp: thực hiện cuộc gọi điện thoại, rửa tay, nấu ăn, dùng thuốc/ăn cácthực phẩm và làm sạch (xem bảng tôi cho hành động liên quan đến mỗi hoạt động).Trong tất cả, các cảm biến được cài đặt trong căn hộ thông minh WSU là:-14 cảm biến trên các đối tượng như điện thoại, y khoa container hoặc nội các.-cảm biến chuyển động 27.Như các thiết lập của hành động liên quan đến những 5 languages và thứ tự của các hành động đó đãđược biết trước, chúng tôi biết những gì mô hình nên phát hiện bởi quán rượu. Vì vậy, cácxác nhận của các quán rượu bằng cách sử dụng số liệu này đặc biệt quan trọng cho các bước đầu tiên của AP UBS("Xác định các liên kết kích hoạt cảm biến") bởi vì chúng tôi biết những mối quan hệẩn trong bộ dữ liệu này.Theo dự kiến, nó phát hiện các mối quan hệ 17 ẩn trong bộ dữ liệu. Đểtránh hiểu lầm, đó là đáng nói đến một số mối quan hệ xác định trongBảng I được lặp đi lặp lại trong các hoạt động khác nhau, ví dụ: nước (ON)-> nước (OFF). Bên cạnh đócác mối quan hệ đó phát hiện 6 mối quan hệ không thích hợp, vì vậy mà nó phát hiện 23trong tất cả các mẫu. Sau một số các mô hình đã được tìm thấy sẽ được hiển thị:1 http://freetts.sourceforge.net/docs/index.php2 http://cmusphinx.sourceforge.net/sphinx4/

Kết quả (Việt) 2:

bởi IP UBS là đơn giản, loại bỏ hoặc không loại bỏ các mô hình từ tập các mô hình;
nhưng trong mẫu tinh, IP UBS hướng dẫn người dùng thông qua các khía cạnh khác nhau của
. mô hình mà người dùng có thể muốn thay đổi
Vì vậy, đến nay hệ thống tương tác đã được hình thành để có được thông tin phản hồi từ người sử dụng
về các mẫu nó đã học được, nhưng nó là đáng nói đến là hệ thống có thể
được phát triển trong nhiều cách khác nhau để phù hợp với nhu cầu của người dùng khác nhau khác nhau
môi trường.
Khía cạnh kỹ thuật
IP UBS đã được phát triển bằng một bài phát biểu tổng hợp và nhận dạng tiếng nói.
để tạo điều kiện hội nhập với AP UBS (phát triển trong Java), chúng tôi đã chọn một
bộ tổng hợp và nhận dạng viết hoàn toàn bằng Java. Chúng tôi đã chọn FreeTTS 1.2 1 cho các
bộ tổng hợp giọng nói và Sphinx-4 2 như bộ nhận dạng tiếng nói.
Cả hai FreeTTS và Sphinx làm cho sự tương tác với người sử dụng dễ dàng hơn bằng cách cung cấp các công cụ easyto sử dụng. Các biến chứng phát sinh chủ yếu là do sự thay đổi tính chất của môi trường thông minh. Ví dụ, IP UBS không thể biết trước những gì các thiết bị đang ở trong
môi trường; do đó, văn phạm tiếng cho bộ nhận dạng phải được tạo ra và tự động nạp để tích hợp các module tương tác vào một môi trường cụ thể.
5 Xác nhận của PUBS
Để xác nhận các hệ thống chúng tôi áp dụng nó vào dữ liệu nhân tạo được tạo ra tại Đại học Ulster và sau đó đến hai sản khác tập hợp dữ liệu thu thập từ Washington State
University của căn hộ thông minh (WSU) và MavPad.
Validating PUBS 5.1 với các căn hộ tập dữ liệu WSU thông minh
các dữ liệu thu thập được trong căn hộ thông minh WSU (Cook và Schmitter-Edgecombe,
2008) đại diện cho những người tham gia thực hiện năm hoạt động hàng ngày (ADLs ) trong
căn hộ: thực hiện cuộc gọi điện thoại, rửa tay, nấu ăn, uống thuốc / ăn
. thức ăn và làm sạch (Xem Bảng I cho các hành động liên quan đến từng hoạt động)
trong tất cả, các cảm biến được cài đặt trong căn hộ thông minh WSU là:
- 14 bộ cảm biến trên các đối tượng như điện thoại, chứa thuốc hoặc tủ.
-. cảm biến chuyển động 27
là tập các hành động liên quan đến những 5 ADLs và thứ tự của các hành động như vậy đã được
biết trước, chúng tôi biết những gì các mẫu nên được phát hiện bởi PUBS. Như vậy,
xác nhận của PUBS sử dụng số liệu này là đặc biệt quan trọng cho những bước đi đầu tiên của AP UBS
( "Xác định các cảm biến gắn kích hoạt") vì chúng tôi biết những gì các mối quan hệ đã được
ẩn trong tập dữ liệu này.
Theo dự kiến, nó phát hiện ra 17 mối quan hệ ẩn trong các tập dữ liệu . Để
tránh hiểu lầm, nó là đáng nói đến là một số mối quan hệ được xác định trong
Bảng I được lặp đi lặp lại trong các hoạt động khác nhau, ví dụ, nước (ON) -> Nước (OFF). Bên cạnh
những mối quan hệ đó phát hiện ra mối quan hệ 6 không thích hợp, vì vậy mà nó phát hiện 23
mẫu trong tất cả. Sau một số mẫu đã được tìm thấy được hiển thị:
1 http://freetts.sourceforge.net/docs/index.php
2 http://cmusphinx.sourceforge.net/sphinx4/