Deep learning for automatic usability evaluations based on images: A case study of the usability heuristics of thermostats

ترموستات برای افزایش نیاز به راحتی حرارتی داخلی طراحی شده اند. با این وجود، آنها دستگاه های حیاتی برای صرفه جویی در انرژی در ساختمان ها و خانوار ها هستند. با این حال، هنگامی که ترموستات مورد نیاز قابلیت استفاده را نداشته باشند، کاربران نهایی انرژی را ذخیره نمی کنند. سپس، هنگامی که یک ترموستات طراحی و تایید می شود، یکی از مشکلات پیشرو که باید مورد توجه قرار گیرد، ارزیابی قابلیت استفاده است. به طور کلی، ارزیابی مبتنی بر اکتشافات قابلیت استفاده است که توسط کارشناسان و طراحان انجام می شود و شامل یک پروسه بسیار پیچیده دوچرخه سواری است که در آن کارشناسان قابلیت استفاده باید در ارزیابی قابلیت استفاده کامل باشند. از سوی دیگر، پیشنهادهای متعددی برای تولید یک تجزیه و تحلیل قابلیت استفاده خودکار وجود دارد که می تواند توسط طراحان یا کاربران نهایی استفاده شود. با این حال، آنها با استفاده از متدولوژی هایی که در ارزیابی اجرا می شوند، محدود می شوند، زیرا ارزیابی قابلیت استفاده، مقدار زیادی از انتزاع داده ها را به وجود می آورد و میزان اطلاعات پردازش شده بسیار زیاد است. به عنوان یک جایگزین، هوش مصنوعی می تواند به حل این مشکل، به ویژه تکنیک های یادگیری ماشین با قابلیت یادگیری عمیق کمک کند که می تواند سطح بالایی از انتساب داده ها را با مقدار قابل توجهی از اطلاعات به دست آورد و ارزیابی قابلیت استفاده اتوماتیک بر اساس تصاویر انجام دهد. شبکه های متداول که در یادگیری عمیق گنجانده شده اند، می توانند مشکلات پیچیده را طبقه بندی کرده و نتایج بسیار دقیقی را به دست آورند. این مقاله پیشنهاد می کند تا یک شبکه کنوولاسیون با اکتشافی قابلیت استفاده استاندارد برای ارزیابی قابلیت استفاده، که یک روش آسان برای ارزیابی قابلیت استفاده در ترموستات بر اساس تصاویر است، پیشنهاد شده است. روش اتوماتیک پیشنهاد شده نتایج بسیار خوبی برای ارزیابی اکتشافات قابل استفاده در اکتشافی اختصاص داده شده است. این مقاله، یک روش کامل را با استفاده از یادگیری عمیق فراهم می کند تا به صورت خودکار ارزیابی قابلیت های کاربردی ترموستات مورد استفاده قرار گیرد.