ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

کشف افعال ناهنجار در خانه های هوشمند با استفاده از یادگیری عمیق

سال انتشار: 1397
کد COI مقاله: SPIS04_017
زبان مقاله: فارسیمشاهد این مقاله: 179
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کشف افعال ناهنجار در خانه های هوشمند با استفاده از یادگیری عمیق

محمود معلم - دانشجوی دکتری، دانشکده مهندسی کامپیوتر فناوری اطلاعات، دانشگاه صنعتی شاهرود، شاهرود،
علی اکبر پویان - استادیار، دانشکده مهندسی کامپیوتر فناوری اطلاعات، دانشگاه صنعتی شاهرود، شاهرود،
حمید حسن پور - استاد، دانشکده مهندسی کامپیوتر فناوری اطلاعات، دانشگاه صنعتی شاهرود، شاهرود،

چکیده مقاله:

خانه های هوشمند به بسیاری از افراد به ویژه سالخوردگان بیماران این امکان را می دهد که به تنهایی زندگی نموده، استقلال آسایش خود را حفظ کنند. البته تحقق این امر در گرو آن است که افعال ساکنان خانه به طور دایم پایش شده به محض ملاحظه ناهنجاری، موضوع به نزدیکان یا پرستاران فرد گزارش گردد تا آنها هم با خاطری آسوده زندگی کنند. کشف ناهنجاری در خانه های هوشمند، بدون استفاده از دانش خبره صرفا با تکا به داده های موجود اصولا کار آسانی نیست؛ اما یادگیری عمیق، به ویژه شبکه های بازگشتی این امر را بیشتر از گذشته ممکن کرده است. ما در مقاله حاضر یک شبکه بازگشتی را با خروجی های خام حسگرهای دودویی، شامل حسگرهای حرکت درب، آموزش می دهیم تا بتواند با دریافت یک سلسله از رویدادهای مشابه، پیش بینی کند که در رویداد بعدی کدام حسگر روشن یا خاموش خواهد شد. سپس با به کارگیری جستجوی پرتو محلی، این رویداد را به سلسله ای از رویدادهای محتمل گسترش می دهیم تا محدوده احتمالی افعال آتی مشخص گردد. خطای این پیش بینی، یعنی فاصله سلسله های یاد شده با رشته رویدادهای واقعی، با استفاده از روش های سنجش شباهت رشته ها، مثل طولانی ترین زیررشته مشترک، ارزیابی می شود. مدل کردن این خطا در قالب یک توزیع گوسی کمک می کند تا به هر ورودی یک رتبه ناهنجاری داده شود. نقاطی که رتبه آنها از یک حد آستانه مشخص بزرگتر باشد به عنوان روند ناهنجار در نظر گرفته خواهند شود. نتایج تجربیات انجام شده نشان می دهد که این روش امکان کشف افعال ناهنجار را با دقت قابل قبولی فراهم می کند.

کلیدواژه ها:

کشف ناهنجاری، خانه هوشمند، یادگیری عمیق، LSTM جستجوی پرتو محلی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/842932/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
معلم، محمود و پویان، علی اکبر و حسن پور، حمید،1397،کشف افعال ناهنجار در خانه های هوشمند با استفاده از یادگیری عمیق،چهارمین کنفرانس پردازش سیگنال و سیستم‌های هوشمند،تهران،،،https://civilica.com/doc/842932

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، معلم، محمود؛ علی اکبر پویان و حمید حسن پور)
برای بار دوم به بعد: (1397، معلم؛ پویان و حسن پور)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 7,663
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی