تحلیل عملکرد یادگیری عمیق برای تفکیک حالات حرکتی در فناوری پایش فعالیت های انسان به کمک حسگر های پوشیدنی
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 597
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TECCONF03_173
تاریخ نمایه سازی: 5 آبان 1397
چکیده مقاله:
امروزه پایش فعالیتهای فیزیکی انسان توسط حسگرهای پوشیدنی به یکی از مهمترین زمینه های تحقیقاتی در حیطه مهندسی پزشکی بدل شده است. یک چالش مهم در این فرآیند، بهبود عملکرد طبقه بندهای مبتنی بر یادگیری ماشین برای تشخیص و تفکیک نوع فعالیتهای انسان از روی سیگنال ثبتی این حسگرها می باشد. در این مقاله چگونگی جداسازی ویژگی های رفتاری انسان با استفاده از مفهوم یادگیری عمیق تحلیل می شود. بدین منظور روش شبکه های عصبی کانولوشنی برای طبقه بندی سیستماتیک چهار رفتار از قبل تعریف شده شامل خوابیدن، دویدن، اتوکشیدن و دوچرخه سواری استفاده شده و نتایج آن با روش مبتنی بر شبکه های عصبی کلاسیک مقایسه شده است. نتایج حاصل از مقایسه این دو راهکار، حاکی از آن است که استفاده از یادگیری عمیق، به طور متوسط قادر است نتایج حاصله را در حدود 13/5درصد بهبود بخشد.
کلیدواژه ها:
نویسندگان
شایان مصداقی
دانشکده مهندسی برق، پزشکی و مکاترونیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
احمد محمدپور
دانشکده مهندسی برق، پزشکی و مکاترونیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
سیدوهاب شجاع الدینی
پژوهشکده برق و فناوری اطلاعات، سازمان پژوهشهای علمی و صنعتی ایران، تهران، ایران
محمد دوسرانیان مقدم
دانشکده مهندسی برق، پزشکی و مکاترونیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران