Domtica Inteligente: Automao Residencial baseada em Comportamento

Julio Andr Sgarbi, Flavio Tonidandel

Centro Universitrio da FEI UniFEI Av. Humberto de A. C. Branco, 3972 - CEP:09850-901 - So Bernardo do Campo SP - Brasil unimjsgarbi@fei.edu.br, flaviot@fei.edu.br

Resumo. Muitos avanos tm acontecido em automao residencial, entretanto pouco destaque dado automao residencial baseada no comportamento dos habitantes. Este artigo descreve o estudo de um sistema cujo objetivo observar e aprender regras em uma casa de acordo com o comportamento de seus habitantes. O sistema proposto, Sistema ABC+ (Automao Baseada em Comportamento) utiliza o conceito de aprendizado com regras de induo. Palavras-chave: Domtica Inteligente, Aprendizado, Inteligncia Artificial.

1 Introduo
Existe uma srie de trabalhos que abordam o tema automao residencial. Os avanos tecnolgicos e a busca por conforto e segurana vm fazendo com que a cada dia as residncias tenham mais e melhores sistemas automatizadores. Algumas vezes estes sistemas so implementados com tcnicas de inteligncia artificial, entretanto a maioria deles possui apenas mecanismos automticos [4]. A principal nfase destes sistemas est no gerenciamento de recursos, segurana, conforto e atualmente em entretenimento [7]. Muitos dos trabalhos publicados alegam que seus sistemas so inteligentes. Alguns deles detectam eventos como a presena dos habitantes e suas aes, ou possuem sensores que conseguem capturar mudanas nas condies do ambiente; a estes eventos so aplicadas reaes que esto previamente configuradas [4]. O conceito de inteligncia deve ir alm de automatizar ou simplesmente aplicar regras pr-estabelecidas; os sistemas inteligentes devem interagir com os habitantes da casa e aprender com seus comportamentos. Automao residencial deve evoluir para o conceito de Domtica Inteligente, onde se entende que dados obtidos dos sensores da casa devem ser avaliados de modo a adaptar as regras de automao do ambiente ao comportamento dos habitantes [10]. Os seres humanos esto em constante mudana; o que uma regra ou rotina hoje, amanh pode no ser. Os hbitos, horrios e atividades mudam com o passar do tempo. Os sistemas tm de aprender e se adaptar a isto.

Neste trabalho ser estudado um sistema de automao residencial inteligente que cria regras em funo do aprendizado com o comportamento dos habitantes de uma casa, dando nfase obteno, tratamento e manuteno das regras. O documento composto pela seo 2, que contm resumidamente os sistemas de Aprendizado Automtico; a seo 3 apresenta o conceito de Domtica; na seo 4 descrito o sistema ABC (Automao Baseada em Comportamento); a seo 5 detalha o sistema ABC+ proposto; a seo 6 contm o trabalho proposto para a dissertao e a seo 7 conclui o artigo.

2 Sistemas de Aprendizado Automtico

O aprendizado automtico o campo dedicado ao desenvolvimento de mtodos computacionais para os processos de aprendizagem e a aplicao de sistemas informticos de aprendizagem a problemas prticos [6]. O aprendizado automtico se desenvolve atravs de programas computacionais capazes de automaticamente adquirir conhecimento de alto nvel e/ou estratgias para resolver problemas a partir de exemplos. Com os exemplos gerados por um tutor e o conhecimento de base ou prvio um sistema de aprendizagem consegue criar descries gerais de conceitos. Para se evitar sistemas de aprendizado automtico tipo caixa preta, no qual as representaes dos conceitos no so compreensveis aos humanos, alguns pesquisadores procuraram por sistemas capazes de induzir conceitos que sejam representados por uma linguagem facilmente compreensvel. Os sistemas de aprendizado simblico so aqueles nos quais se constroem representaes simblicas de um conceito para aprender, atravs de anlise de exemplos e contra-exemplos desse conceito [3]. As representaes simblicas geralmente esto na forma de expresso lgica, rvores de deciso, regras (ou rede semntica), sendo estas duas ltimas as mais estudadas atualmente. Uma maneira de representar conceitos a lgica de regras de deciso associativas, a qual pode ser facilmente entendida por humanos, pois tem a seguinte forma: Se Y verdade e X falso, ento classe A [3]. Existem vrias maneiras de adquirir conhecimento a partir de dados; para determinar qual a melhor maneira para um determinado conjunto de dados, necessrio definir como avaliar os mtodos de aprendizagem. Podem-se citar alguns indicadores de desempenho de sistemas de aprendizado [6]: Preciso: quantidade de exemplos positivos e negativos avaliados corretamente. Eficincia: um sistema deve ser capaz de gerar descries corretas com um numero mnimo de exemplos. Compreensibilidade: importante que conceitos gerados sejam compreensveis ao usurio, j que a finalidade destes sistemas que o usurio aprenda algo deles. Robustez: contra o rudo e contra os exemplos incompletos. Requerimentos Especiais: alguns domnios requerem que um sistema aprenda medida que chegam os exemplos, isto conhecido como aprendizado incremental. Algoritmo C4.5. O algoritmo C4.5 [9] um sistema de aprendizado que constri rvores de deciso a partir de um conjunto de exemplos. Estes exemplos so eventos

compostos por vrios atributos e uma nica classe. O domnio de cada atributo destes eventos est limitado a um conjunto de valores. O algoritmo C4.5 gera uma rvore de deciso a partir dos dados mediante parties realizadas recursivamente. A rvore construda mediante a estratgia de busca em profundidade (depth-first) [5]. O algoritmo considera todas as provas possveis que podem dividir o conjunto de dados e seleciona a prova que resulta no maior ganho de informao. Para cada atributo discreto, se considera uma prova com n resultados, sendo n o nmero de valores possveis que pode tomar o atributo. O C4.5 permite trabalhar com valores contnuos para os atributos, separando os possveis resultados na rvore em duas partes: uma para aqueles Ai<=N e outra para Ai>N, onde Ai o isimo atributo e N algum valor dentro dos limites de valores do atributo Ai. A vantagem dos atributos contnuos a eliminao da restrio de valores discretos. Para cada atributo contnuo, se realiza uma prova binria sobre cada um dos valores que toma o atributo nos dados. Outro aspecto importante a possibilidade de trabalhar com atributos desconhecidos. Neste caso os dados so aproveitados e consegue generalizar regras.

3 Domtica
A palavra Domtica a juno da palavra latina Domus (casa) e do termo Robtica [2]. O significado est relacionado instalao de tecnologia em residncias, com o objetivo de melhorar a qualidade de vida, aumentar a segurana e viabilizar o uso racional dos recursos para seus habitantes. Um sistema domtico dividido em vrios subsistemas, cada qual atua especificamente em um campo de controle. Atualmente estes sistemas so informatizados e computadorizados. Domtica Inteligente. Pode-se citar como caractersticas fundamentais num sistema inteligente: ter memria; ter noo temporal; fcil interao com os habitantes; capacidade de integrar todos os sistemas do ambiente; atuar em varias condies; facilidade de reprogramao e capacidade de auto-correo [1]. A Domtica inteligente no simplesmente prover a uma residncia um sistema dotado de controle central que possa aperfeioar certas funes inerentes operao e administrao da mesma. Pode-se imaginar que uma residncia inteligente algo como uma residncia com vida prpria, portanto os sistemas de Domtica inteligente devem ter as caractersticas de um sistema inteligente e devem interagir com os habitantes da residncia, aprendendo dinamicamente com seus comportamentos. Este aprendizado permanente, pois os habitantes esto sempre mudando.

4 Sistema ABC
O processo normal de criao de regras aquele onde o habitante quem cria as regras, inserindo-as em um sistema. O sistema ABC (Automao Baseada em Comportamento) [10], o qual aprende regras em funo do comportamento do

habitante, foi testado e demonstrou atravs de simulaes que possvel reverter o processo normal de criao de regras. A arquitetura do sistema ABC, que ser resumidamente descrita, define a existncia de sensores (detectores de presena, medidores de temperatura, medidores de luminosidade, etc.), atuadores (interruptores de luz, ar-condicionado, etc.), bancos de dados e demais elementos necessrios para criao e controle das regras. Para cada atuador da casa existe um banco de dados de aquisio de comportamento, o qual alimentado com eventos e os respectivos dados dos sensores vinculados ao atuador. Como exemplo, pode-se ter o atuador Ar-condicionado e os sensores Temperatura, Luminosidade, Horrio e Presena (o nome do sensor utilizado como nome do atributo, portanto o sensor Presena que identifica se existe a presena ou no do habitante, ter seu valor refletido no atributo Presena, neste caso com Sim ou No). Quando o estado do Ar-condicionado muda, por ao do habitante, os dados do prprio atuador e mais os dados dos sensores so armazenados em uma linha do banco de dados de aquisio de comportamento. Quando o banco de dados atinge o valor configurado de eventos armazenados, o mesmo inserido no algoritmo de aprendizado com rvores de induo ID3 [8], o qual generaliza os dados e cria regras. As regras so armazenadas no banco de dados de regras ativas. Uma regra aprendida poderia ser: SE Temperatura=Alta E Horrio=Noite E Luminosidade=Alta E Presena=Sim ENTO Arcondicionado=Ligado. Assim, quando os sensores indicam os valores presentes na regra o ar-condicionado automaticamente ligado pelo Sistema ABC. Ou seja, a partir do momento em que novos eventos acontecem, de acordo com as aes do habitante, feita uma varredura no banco de dados de regras ativas para avaliar se alguma regra deve ser aplicada e realizar uma ao no atuador. Existe outro banco de dados onde esto as regras de segurana, nele podem existir regras do tipo: Fogo=Sim ENTO Energia=Desligada. A manuteno das regras simples, quando uma regra fica sem ser utilizada por um valor de tempo pr-configurado, ela removida. Tambm possvel remover regras manualmente pelo habitante. Apesar de muito interessante, o sistema possui deficincias. Ele no detecta seqncias causais de eventos no tempo, se um evento de atuador acontece depois de pouco ou muito tempo de um evento de sensor isto no considerado. Neste sistema, com o uso do ID3, possvel trabalhar somente com variveis lgicas, no possvel trabalhar com valores contnuos. Outra deficincia o fato de regras criadas pelo ID3 se tornarem diretamente ativas, isto pode desagradar o habitante da casa.

5 Sistema ABC+ Proposto

O sistema ABC, em sua verso inicial, marcou o uso de regras em automao residencial atravs da observao do comportamento de um habitante em uma casa, entretanto possvel observar que ele possui limitaes que podem ser atenuadas. Com o intuito de corrigir o sistema ABC e diminuir suas limitaes, foi proposto o sistema ABC+, o qual possui arquitetura parecida (fig. 1) com o sistema inicial, entretanto as funcionalidades e lgicas de ambos so bastante diferentes.

As principais diferenas so a janela de observao de eventos, as regras embrionrias, C4.5 [9] e o novo processo de manuteno das regras. Um quarto de uma casa onde existem um sensor de entrada no ambiente, um sensor de sada do ambiente e um atuador para ligar e desligar uma lmpada servir de exemplo para entender as implementaes feitas no sistema ABC+.
A tua d o r S en so re s

H ab ita n te

C o ntro le C en tr al J an ela d e O b se rv a o

B an co d e D ad o s D e E v e n to s

C 4 .5 M an ute n o D e R e g ras B an c o d e D a d o s D e R e g ra s E m b rio n ria s

B an c o d e D a d o s D e R e gr as A tiv a s R eg ras d e S eg u ra n a

Fig. 1. Arquitetura do Sistema ABC+

5.1 A Janela de Observao Nas condies em que o habitante entra no quarto e imediatamente acende a lmpada ou quando sai do quarto e imediatamente desliga a lmpada, pode-se facilmente assimilar regras, que seriam: SE habitante entra ENTO acenda lmpada; SE habitante sai ENTO apague lmpada. Note que se o habitante entra no quarto e aps uma hora ele acende a lmpada, os sensores detectaro os mesmos dados da situao em que ele imediatamente acende a lmpada aps entrar no quarto. Isto leva a criao de uma regra errada, ou seja, a regra que ser criada acende a lmpada logo aps o habitante entrar no quarto, mas o habitante no fez isto, sendo assim o sistema no deve criar tal regra. Para eliminar esta limitao a janela de observao utilizada. A janela consiste em se armazenar e comparar cada evento anterior e posterior ao evento em anlise, inclusive com horrios. Os eventos em anlise so eventos de atuador, ou seja, eventos em que o atuador muda de estado, no exemplo a lmpada. Eventos de sensores no so utilizados para gerar regras, mas sim para ativarem uma regra, se a mesma existir. Na janela os eventos anterior e posterior podem ser eventos de sensores, pois serviro de comparao e no para criao de regra. No exemplo, usando uma janela de observao configurada com valor de 5 segundos, quando o habitante entra no ambiente ele dispara um evento de sensor, que armazenado temporariamente com seu devido horrio. Aps uma hora ele acende a lmpada. Este evento de atuador armazenado e comparado com o evento anterior, se o anterior aconteceu dentro de 5 segundos, ento significa que o evento do atuador est vinculado ao evento anterior, neste caso o evento do atuador armazenado para gerar uma futura regra. Quando existe vinculo com o evento anterior no se realiza a

comparao com o posterior e o sistema volta a situao de incio. Porm, se foi constatado que no existe vnculo entre evento do atuador e o evento anterior, necessrio verificar o evento posterior. Novamente se compara a diferena de horrios entre eles e se o posterior aconteceu dentro de 5 segundos, ento significa que o evento do atuador est vinculado ao evento posterior, caso contrrio no existe vnculo. No caso de estarem vinculados armazenam-se os dados do evento de sensor posterior para gerar futura regra, pois este evento que reflete as reais condies para o atuador ter sido mudado.

5.2 As Regras Embrionrias No sistema ABC, sempre que o ID3 cria uma regra, ela imediatamente colocada como regra ativa. Sendo assim, no existe uma etapa de validao da regra. A primeira vez que o habitante gerar as condies dos sensores iguais s condies da regra, a mesma ser executada e alguma ao ser feita. Se o habitante contraria a regra nada ocorre, e se ele quiser acabar com a regra ter de remov-la manualmente. Ao criar uma regra, deve existir uma etapa de validao, ou seja, ter certeza que a regra aceita pelo habitante. No sistema ABC+, toda vez que novas regras so criadas, elas so armazenadas inicialmente no banco de regras embrionrias. As regras embrionrias so regras que esto em validao. Quando o habitante gerar condies dos sensores iguais s condies de uma regra embrionria, o que acontece que a regra ganha pontos positivos. Somente quando a regra atinge uma certa pontuao superior que ela passa para o banco de regras ativas. Por outro lado, se o habitante contrariar a regra, ela ganha pontos negativos e ao atingir uma pontuao inferior a mesma eliminada do banco de regras embrionrias. 5.3 A Manuteno das Regras A maneira como se mantm as regras em uma casa influencia a interao do sistema com o habitante. A insero e remoo de regras tm de ser o mais sutil possvel, caso contrrio trar desconforto ao usurio e podem incorrer em desestabilizao das prprias regras. Para o desenvolvimento e manuteno de regras no sistema ABC+ so utilizados trs bancos de dados para cada atuador da casa.
Tabela 1. Eventos por Atuador (A1, A2, ......An).
Evento
1 2 3 ....

Sensor 1 (S1)

Sensor 2 (S2)

..............

Sensor N (Sn)

Atuador An

Sero utilizadas as seguintes definies: BDEventos Banco de Dados de Eventos por Atuador. BDAtivas Banco de Dados de Regras Ativas. ATIV Campo do BDAtivas utilizado para pontuar positivamente uma regra.

EXC - Campo do BDAtivas utilizado para pontuar negativamente uma regra. BDEmbrio Banco de Dados de Regras Embrionrias. OK - Campo do BDEmbrio utilizado para validar uma regra. NOK - Campo do BDEmbrio utilizado para excluir uma regra. Os novos eventos que surgem nos atuadores da casa, e passam pelo crivo da janela de observao, so armazenados no Banco de Dados de Eventos por Atuador (tab. 1). Na tabela 1 cada linha representa um evento de atuador armazenado. A informao que consta na linha o valor do atributo atuador e os valores dos atributos dos sensores para um determinado evento. Um exemplo de evento e atributos pode ser: atributo atuador igual a Lmpada e seus valores Acesa e Apagada, atributo sensor 1 igual a Temperatura e seus valores Alta, Normal e Baixa, atributo sensor 2 igual a Luminosidade e seus valores Alta, Normal e Baixa, atributo sensor 3 igual a Umidade e seus valores Alta, Mdia e Baixa e atributo sensor 4 igual a Porta e seus valores Entrada e Sada. Um evento pode ser:
Tabela 2. Exemplo de evento armazenado no BDEventos.
Evento 1 Temperatura Alta Luminosidade Alta Umidade Mdia Porta Entrada Lmpada Acesa

Quando o banco de dados de eventos de atuador atinge um nmero prdeterminado de eventos ocorre a sua insero no algoritmo C4.5 para a gerao de novas regras. Estas novas regras so inicialmente comparadas com as regras ativas e embrionrias, para que as regras repetidas sejam eliminadas. As novas regras geradas, que no forem repetidas, vo para o banco de regras embrionrias. O Banco de Regras Embrionrias tem o mesmo formato da tabela 1, porm existem para cada regra, alm dos campos de sensores e atuador, os campos OK e NOK, os quais servem para o controle da validao da regra. Quando uma regra embrionria gerada ela possui os campos OK e NOK iguais a zero. Sempre que ocorre um novo evento de atuador este comparado primeiro com as regras ativas, para verificar se alguma regra ativa est sendo contrariada ou no, depois este evento comparado com as regras embrionrias. Caso exista regra embrionria relacionada ao evento necessrio dar pontos mesma. Se o evento confirmou a regra, ao valor do campo OK somado mais um, caso o evento contrarie a regra o valor do campo NOK recebe mais um. Quando o campo OK atinge certo valor, a regra embrionria transformada em regra ativa. Quando o campo NOK atinge certo valor, a regra embrionria removida do banco de regras. Os campos OK e NOK trabalham como porcentagens de acertos e erros. Por exemplo, se o valor no campo OK para a regra ser validada oito e o valor no campo NOK para a regra ser excluda dois, significa que quando temos 80% ou mais de acertos a regra validada ou quando temos 20% ou mais de erros a regra excluda. O Banco de Regras Ativas tambm possui uma lgica de manuteno. Ele tambm tem o mesmo formato da tabela 1, porm para cada regra possui alm dos campos de sensores e atuador, os campos ATIV e EXC. neste banco que esto as regras de segurana, as quais no sofrem modificaes, e as regras a serem executadas na casa. Sempre que algum evento de sensores acontece o banco de regras ativas consultado, se existir alguma regra relacionada ao evento a mesma aplicada, assim uma ao feita no atuador. Neste caso soma-se ao valor do campo ATIV o valor um.

O banco de regras ativas possui uma quantidade limitada de regras. As regras esto ordenadas de acordo com o valor do campo ATIV. Quando uma nova regra inserida no BDAtivas e este est com sua capacidade mxima, ento necessrio retirar a regra com menor pontuao ATIV e colocar esta regra de volta ao BDEmbrio. Um evento de atuador tambm recebe ateno por parte do BDAtivas. Caso o evento atuador seja contrrio a alguma regra existente no BDAtivas, soma-se ao valor do campo EXC desta regra em questo o valor um. Se o campo EXC ultrapassar um valor pr-determinado, esta regra excluda do BDAtivas. Um ponto importante na manuteno das regras a criao de novas regras. Quando o C4.5 recebe o BDEventos para criar novas regras, uma funo mais nobre executada por ele. So inseridas no C4.5, alm das informaes do BDEventos, as regras constantes no BDAtivas. Com isto pode-se ter a generalizao de algumas regras existentes. Aps a criao destas novas regras verifica-se se as mesmas j constam em BDAtivas e BDEmbrio, para evitar duplicao de regras. Tal processo torna necessrio que as regras BDEmbrio ao serem promovidas a BDAtivas sejam avaliadas com o objetivo de verificar se so uma generalizao de alguma regra existente, caso sejam as correspondentes regras do BDAtivas so eliminadas.

Fig. 2. Mquina de estado em Rede de Petri do Sistema ABC+. Na criao de novas regras tambm checado se alguma regra do BDAtivas ficou velha. Para isto subtrai-se o valor um do campo ATIV de todas as regras. As regras que tiverem seu campo ATIV abaixo de certo valor sero rebaixadas ao BDEmbrio. Para que o sistema possa ser estendido para aplicaes reais e mais complexas ser ainda necessrio identificar como lidar com os possveis loops nas regras criadas.

Um loop pode fazer com que uma regra ao ser ativada leve ativao direta de uma outra regra ou ativao indireta de regra por mudana de algum sensor. A Mquina de estado em Rede de Petri do sistema ABC+ (fig. 2) reflete as informaes descritas nesta seo.

6 Trabalho em Desenvolvimento
Um simulador foi desenvolvido para confirmar o funcionamento do sistema proposto. O ambiente simulado possui apenas um cmodo (quarto) com um atuador (lmpada) e alguns sensores. Para a implementao do simulador foi utilizado o software Delphi. O algoritmo C4.5 utilizado o original [9], porm codificado para o Windows. Os sensores podem ter seu estado alterado atravs de botes, conforme a figura 3. As simulaes foram feitas manipulando estes botes e assim gerando eventos.

Fig. 3. Simulador do sistema ABC+.

Um exemplo clicar no valor Normal, do sensor Temperatura. Isto gera um evento de sensor que fica armazenado temporariamente, inclusive com horrio, e pode ser visualizado no quadro um do simulador. Este evento pode: levar execuo de uma das regras ativas, as quais podem ser observadas no quadro quatro do simulador; atuar na validao ou rejeio de uma das regras embrionrias, as quais podem ser vistas no quadro trs do simulador; servir de referncia na janela de observao. Outro exemplo clicar no valor Apagada do atuador Lmpada. Isto gera um evento de atuador, o qual passa pela lgica da janela de observao e se for validado armazenado no banco de dados de eventos do atuador. No quadro dois do simulador possvel ver os eventos de atuador armazenados. Motivao. Com a implementao do simulador surgiram vrios pontos em aberto que necessitam ser desenvolvidos para que se encontre o melhor estado de funcionamento do sistema de automao residencial baseado no comportamento. O primeiro ponto a ser desenvolvido a identificao dos parmetros de erro e desempenho que melhor permitem avaliar o sistema.

Outros pontos so: Determinar quando uma regra deve ser criada, se em todo fim de dia ou aps n eventos (mudanas de estado). Definir qual o nmero de regras que se deve ter. Identificar se aps a criao da regra, nas n primeiras atuaes da mesma o evento imediatamente posterior mesma deve ser ignorado ou no (adaptao do usurio a regra). Em resumo a estes pontos, necessrio identificar os valores timos das variveis mais o valor mximo de regras em BDAtivas presentes no sistema. Para as simulaes ser criado um banco de dados de eventos que reflitam as atividades de um usurio durante um perodo de tempo; atravs de um agente estes eventos sero imputados no sistema, observando-se o comportamento das regras que so produzidas. As simulaes sero feitas com variaes dos valores das variveis presentes no sistema e os parmetros de erro e desempenhos sero avaliados.

7 Concluso
O trabalho a ser desenvolvido ter como objetivo apresentar um novo sistema de automao residencial, sistema ABC+, o qual aprende regras por observao do comportamento do habitante de um ambiente. Como existem habitantes que se adaptam facilmente a inovaes e outros no, os mesmo iro interagir diferentemente com o sistema ABC+. Portanto a identificao de parmetros para mensurar o desempenho do sistema e a anlise do comportamento das variveis servir para entender como o sistema pode ser moldado de forma a atender diversos perfis de habitante, com hbitos e gostos diferentes.

Referncias
1. Introduo a Domtica. Disponvel em http://www.din.uem.br/ia/intelige/domotica/int.htm. Acessado em 06/08/2005. 2. Angel, P. M. Introduccin a la domtica; Domtica: controle e automao. Escuela Brasileo-Argentina de Informtica. EBAI. (1993) 3. Batista, G.E. Um ambiente de Avaliao de Algoritmos de Aprendizado de Mquina utilizando exemplos. Dissertao (mestrado), Universidade de So Paulo, So Carlos. (1997) 4. Bolzani, C.A.M. Desenvolvimento de um simulador de controle de dispositivos residenciais inteligentes : uma introduo aos sistemas domticos. Dissertao (mestrado), Universidade de So Paulo, So Paulo. (2004) 5. Cormen, T.H., Leiserson, C.E., Rivest, R.L., Stein, C.. Introduction to Algorithms. Second Edition. MIT Press and McGraw-Hill. Section 22.3: Depth-first search, 540549. (2001) 6. Michalski, R.S., Bratko, I., Kubat M. Machine Learning and Data Mining. Methods and Applications. Wiley & Sons Ltd., EE.UU. (1998) 7. Muratori, J.R. As tendncias do mercado de Automao Residencial. Congresso Habitar Congresso de Automao Residencial e Tecnologias para Habitao, So Paulo. (2005) 8. Quinlan, J.R. Induction of Decision Trees. Machine Learning, Captulo 1, Morgan Kaufmann. (1990). 81-106. 9. Quinlan, J.R. C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers. San Mateo, California, EE.UU. (1993) 10. Tonidandel, F., Takiuchi, M., Melo, E. Domtica Inteligente: Automao baseada em comportamento. Congresso Brasileiro de Automtica. (2004)