Using feature selection and ACO algorithm for optimizing smart classroom
Yükleniyor...
Dosyalar
Tarih
2023
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Altınbaş Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
The smart education had a huge impact on learning and teaching, so it must be effective and highly efficient. An efficient
smart campus or smart classroom will make the learning more and more easily, the students could learn and give the
best activities. In addition, the teachers will be able to make right decisions. To achieve this goal, the smart classroom's
conditions must be ideal. Since ACO (ant colony optimization algorithm) is a meta heuristic algorithm, in this paper, it
is found that ACO, in conjunction with a machine learning classifier, was an effective method used in feature selection
for selecting best features from an intelligent campus data set to create an environment that is conducive to academic
success and student learning, such as (humidity and temperature), lighting and sound pressure levels, wind direction,
and raw rainfall amounts (among other variables). In this contribution to get the most accurate results, the ACO
algorithm was combined with a logistic regression classifier that was used to select the best features. The accuracy of
the proposed model was 0.927438624 and 0.898268071 for two sets of data back to the School of Design and
Environment 4, building located at the National University of Singapore.
Akıllı eğitimin öğrenme ve öğretme üzerinde büyük bir etkisi vardır, bu nedenle etkili ve yüksek verimli olmalıdır. Verimli bir akıllı kampüs veya akıllı sınıf, öğrenmeyi daha kolay hale getirecek, öğrenciler öğrenebilecek ve en iyi etkinlikleri verebileceklerdir. Ayrıca öğretmenler de doğru kararlar verebileceklerdir. Bu hedefe ulaşmak için akıllı sınıfın koşullarının ideal olması gerekir. ACO (karınca kolonisi optimizasyon algoritması) bir meta sezgisel algoritma olduğundan, bu makalede, ACO'nun bir makine öğrenimi sınıflandırıcısı ile birlikte, akademik başarıya ve öğrenci öğrenimine elverişli bir ortam oluşturmak için akıllı bir kampüs veri setinden (nem ve sıcaklık), aydınlatma ve ses basıncı seviyeleri, rüzgar yönü ve ham yağış miktarları (diğer değişkenlerin yanı sıra) gibi en iyi özellikleri seçmek için özellik seçiminde kullanılan etkili bir yöntem olduğu bulunmuştur. En doğru sonuçları elde etmek için bu katkıda, ACO algoritması en iyi özellikleri seçmek için kullanılan bir lojistik regresyon sınıflandırıcısı ile birleştirilmiştir. Önerilen modelin doğruluğu, Singapur Ulusal Üniversitesi'nde bulunan Tasarım ve Çevre Okulu 4 binasına ait iki veri seti için 0,927438624 ve 0,898268071 olmuştur.
Akıllı eğitimin öğrenme ve öğretme üzerinde büyük bir etkisi vardır, bu nedenle etkili ve yüksek verimli olmalıdır. Verimli bir akıllı kampüs veya akıllı sınıf, öğrenmeyi daha kolay hale getirecek, öğrenciler öğrenebilecek ve en iyi etkinlikleri verebileceklerdir. Ayrıca öğretmenler de doğru kararlar verebileceklerdir. Bu hedefe ulaşmak için akıllı sınıfın koşullarının ideal olması gerekir. ACO (karınca kolonisi optimizasyon algoritması) bir meta sezgisel algoritma olduğundan, bu makalede, ACO'nun bir makine öğrenimi sınıflandırıcısı ile birlikte, akademik başarıya ve öğrenci öğrenimine elverişli bir ortam oluşturmak için akıllı bir kampüs veri setinden (nem ve sıcaklık), aydınlatma ve ses basıncı seviyeleri, rüzgar yönü ve ham yağış miktarları (diğer değişkenlerin yanı sıra) gibi en iyi özellikleri seçmek için özellik seçiminde kullanılan etkili bir yöntem olduğu bulunmuştur. En doğru sonuçları elde etmek için bu katkıda, ACO algoritması en iyi özellikleri seçmek için kullanılan bir lojistik regresyon sınıflandırıcısı ile birleştirilmiştir. Önerilen modelin doğruluğu, Singapur Ulusal Üniversitesi'nde bulunan Tasarım ve Çevre Okulu 4 binasına ait iki veri seti için 0,927438624 ve 0,898268071 olmuştur.
Açıklama
Anahtar Kelimeler
Smart Classroom, Feature Selection, ACO Algorithm, Logistic Regression, Genetic Algorithm, Akıllı Sınıf, Özellik Seçimi, ACO Algoritması, Lojistik Regresyon, Genetik Algoritma
Kaynak
AURUM Journal of Engineering Systems and Architecture
WoS Q Değeri
Scopus Q Değeri
Cilt
7
Sayı
1
Künye
Abd Ali, D. A. A. A. A. A., Balık, H. H. (2023). Using feature selection and ACO algorithm for optimizing smart classroom. AURUM Journal of Engineering Systems and Architecture, 7(1), 109-118.
