تشخیص مسیر حرکت سه بعدی دست با کمک تجزیه داده های حجیم

داده حجیم (Big Data) به مجموعه ای از داده های بزرگ و پیچیده اطلاق می شود که پردازش آنها توسط نرم افزارهای سنتی پردازش اطلاعات امکانپذیر نیست یا به سختی انجام می شود. چالش اصلی شامل تجزیه و تحلیل، جمع آوری و جستجو در میان داده ها است. همچنین فرآیندهایی مانند به اشتراک گذاری، انباشت، انتقال و حفظ امنیت داده ها از دیگر چالشهایی است که در پردازش داده های حجیم با آن مواجه هستیم. این چالشها در علومی نظیر هواشناسی، ژنتیک، شبکه های عصبی، شبیه سازی های پیچیده فیزیک و تحقیقات محیط زیست و طبیعی نمود بیشتری دارد. گستره استفاده از تکنولوژی حسگرهای چند راهی و همچنین داده های حجیم موجب شده است که نیاز به وجود ابزارهایی برای تحلیل و آنالیز داده ها به شدت احساس شود. از طرفی ماتریس ها به دلیل محدودیتی که در ابعاد و ذخیره اطلاعات دارند نمی توانند به خوبی پاسخگوی این نیازها باشند بنابراین استفاده از تانسورها و تجزیه های تانسوری به منظور جمع آوری و تجزیه و تحلیل داده های حجیم امری مهم به شمار می آید. استفاده از تانسورها این امکان را به ما می دهد که به سمت مدل هایی حرکت کنیم که اساساً چند جمله ای هستند و منحصر به فردی آن ها برخلاف ماترس ها تحت شرایط متوسط و طبیعی برقرار است. در این مقاله سعی شده است تا با تعمیم الگوریتم پیشگویی کننده ماتریسی به نام PLS به الگوریتم تانسوری آن یعنی HOPLS و استفاده از تجزیه های تانسوری نظیر CP و تاکر مسیر حرکت سه بعدی دست را با توجه به داده های مغزی موجود پیش بینی کنیم.

کلیدواژه ها:

تانسور ، تجزیه CP ، الگوریتم Big Data ، PLS ، تشخیص حرکت دست