RDF description Dr. Aitor Almeida

Researcher & Project Manager


profile-picture
Jan. 2005  -  Present
aitor.almeida [at] deusto.es

 +34 944 139 003 - ext: 3034

Profiles

social-network-icon GitHub
social-network-icon LinkedIn
social-network-icon ORCID


Towards more reliable and efficient intelligent environments: Uncertainty, vagueness and reasoning distribution

Directed by: Diego López-de-Ipiña

 10 Jun 2013 - 12:00
 Universidad de Deusto
 Cum Laude by unanimity


148 pages (≈ 6.8 MB)


Intelligent Environments and context-aware systems aim to improve users’ everyday life by taking care of daily activities while being completely invisible. In order to achieve this, three objectives must be accomplished: a) the reactions to the context changes have to be accurate, b) those reactions have to be timely and c) computers have to disappear into the environment. These objectives can be difficult to achieve at times. In order to achieve sensible and accurate reactions to changes in the environment, the model of the context must be as close to reality as possible. This model must be as expressive as possible to achieve a more precise inference over the context and thus to better cater to the needs of the users. On the other hand, achieving both timely reactions and environment integrated computational capabilities can be conflicting at times. Integrating the computational capabilities into the environment often results in using more limited devices, which in turn results in higher inference times. This dissertation aims to tackle these problems. In order to create a better context model, a new context reasoning mechanism that combines semantic inference with uncertainty and vagueness will be presented. This mechanism will allow to better model the environment, achieving more expressivity than traditional context models. The proposed mechanism also includes a data fusion algorithm that integrates the measures taken from different devices to create a unified vision of the environment. To provide timely reactions and help integrating the computational capabilities in the environment, a distributed inference architecture will be described. This architecture will allow splitting the global inference task into smaller inference sub-units, resulting in a faster, lighter, more efficient and more robust inference.


El objetivo de los entornos inteligentes y los sistemas sensibles al contexto es mejorar la vida diaria de los usuarios haciéndose cargo de las actividades que se puedan automatizar de manera transparente, siendo completamente invisibles para el usuario. Para conseguir esto se deben alcanzar tres objetivos: a) las reacciones a los cambios en el contexto deben de ser lo más exactas posibles, b) las reacciones deben llevarse a cabo en un tiempo prudencial y c) los dispositivos computacionales deben de desaparecer en el entorno, convirtiéndose en invisibles. Estos objetivos pueden ser difíciles de alcanzar en ciertos casos. Para que las adaptaciones se lleven a cabo de manera exacta y eficiente, el modelo de contexto debe de ser lo más cercano posible a la realidad. Este modelo debe de proveer la expresividad necesaria para conseguir una inferencia más precisa y para adaptarse mejor a las necesidades de los usuarios. Por otro lado, conseguir reacciones rápidas y que los dispositivos estén integrados en el entorno son objetivos enfrentados. Integrar las capacidades computacionales en el entorno suele resultar en dispositivos más limitados, lo que a su vez acarrea mayores tiempos de inferencia. Esta tesis hace frente a estos problemas. Para crear un mejor modelo de contexto, se propone un nuevo mecanismo de razonamiento que integre la inferencia semántica con incertidumbre y vaguedad. Esto permitirá conseguir una mayor expresividad a la hora de modelar el contexto e incluirá además un mecanismo de fusión de datos que integrará las diferentes medidas en una visión global del entorno. Además se creará una estructura distribuida de razonamiento que permitirá alcanzar conclusiones en un menor tiempo y de manera más eficiente.