Parth-Vader / ADLAS

Autonomous Dynamic Learning Apprentice System

Autonomous Dynamic Learning Apprentice System

Best Project (2017) Soft Computing Tools in Engineering Course by Prof. S.K. Barai.

By Parth Verma, Mandar Kakade, Anshuman Chakravarty, Sourav Khemka and Rahul Das.

• An abstract for the same is present here and the pdf version of the documentation is here.

Currently supports Windows only.

Documentation

Overview

ADLAS  is an Autonomous Dynamic Learning Apprentice System,  which is designed to assist the user in his daily activities. It observes the user’s behaviour, and extracts patterns that the user follows. ADLAS predicts what the user intends to do in the near future, and helps him by autonomously opening applications that he most likely to execute in that particular situation. The system also features functionality such as tracking user’s actions. The system can also be overwritten such that given a group of applications if one of them is executed, ADLAS will autonomously execute the other applications.

 Requirements

ADLAS has been written in the following languages :

• C++
• Python
• MATLAB
• Powershell

Hence, the compilers for the same are required to be present in the system.

The extra python dependencies to be installed are:

• Tkinter
• Pygubu
• Glob
• Pandas
• Win32com.client
• Subprocess

Operating System

ADLAS has been trained and tested on WIndows 8.1/10.

User Guide

Training Phase

Enter the Training folder.

• Run Testing.cpp: This will track the user behaviour for a specified amount of time , and generate out.csv containing the user activity log for that time session. This time is set to 60 minutes by default, but can be changed by the user.
• Run RunMatlab.py to generate Clusters.txt which contains the group of applications (clusters) as learned by ADLAS.

Running ADLAS

Enter the ADLAS folder.

• The Clusters.txt file will be present here as well.
• Run ADLAS.py: This open up a GUI with a “start” button. Click on the button to start ADLAS. Once activated, ADLAS assists the user by autonomously executing applications which the user is likely to open.

Algorithm

The training phase contains the following files:

• Testing.cpp is the main file which executes the sub-processes, along with the following functionalities :

  • Generating event files to “Event Files” folder.
  • Creates a LogFile of start and end time for each application and saves the activity log to out.csv

• FindNum.py : identifies the number of EventFiles generated.

• CleanData.py: cleans the EventFiles created with using a pre-defined array of applications (since not all applications are of use).

• RunMatlab.py: Runs MATLAB to create the clusters using NCToolBox (Self-organising maps) to Clusters.txt and cluster_img.jpeg using get_cluster.m and create_text.m.

The ADLAS folder contains the following files:

• ADLAS.py is the main file which has to be executed. It contains a GUI containing a “start” button. When the button is pressed, main.cpp is compiled and executed. gui.ui has been used to create the GUI.

• main.cpp :

  • Parses Clusters.txt to make it usable.
  • Detects what new applications have been opened at this instant and matches with the previous clusters from Clusters.txt.

If a match is found, it autonomously runs all the applications from that cluster using RunAnApp.py.

• CleanData.py: cleans the EventFiles generated with using a pre-defined array of applications (since not all applications are of use).
• RunAnApp.py: Given an application, it runs this application using command line.

Supported Applications:

The following applications are currently supported by ADLAS :

• "chrome",
• "sublime_text",
• "AcroRd32",
• "DCPlusPlus",
• "cmd",
• "devcpp",
• "OneDrive",
• "powershell",
• "explorer",
• “vlc”
• "IDMan",
• "mspaint",
• "POWERPNT",
• "SkyDrive",
• "WinRAR",
• "TeamViewer_Service",
• "wordpad",
• "wmplayer",
• "vmware",
• "notepad",
• "WINWORD",
• "MicrosoftEdge",
• "StikyNot",
• "MusicBee",
• "EXCEL",
• "steam",
• "Photoshop"
• "firefox",