تشخیص و پیش بینی سقوط با استفاده از یادگیری عمیق برای سنسورهای پوشیدنی [Persian Thesis]
سید میلاد عمادی پاشاکلائی
| شناسگر رکورد: | ۲۰۶۷۹ |
| رشته تحصیلی: | هوش مصنوعی و رباتیکز |
| عنوان: | تشخیص و پیش بینی سقوط با استفاده از یادگیری عمیق برای سنسورهای پوشیدنی |
| نويسنده: | سید میلاد عمادی پاشاکلائی |
| استاد راهنما : | دکتر علی موقر رحیم آبادی دکتر بابک مجیدی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۲ |
| چکیده: | به علت پیامدهای سقوط بر سلامت افراد مسن و همچنین خسارتهای مالی سیستمهای بهداشت و درمان، مطالعه سیستمهای تشخیص سقوط (FDS) طی سالهای گذشته بسیار موردتوجه قرار گرفته است. بخش اصلی این سیستم یک الگوریتم است که سقوط را از سایر فعالیتهای روزانه تمیز میدهد. این الگوریتم شبکه عصبی کانولوشن را که الگوهای سقوط را باتوجهبه مقادیر اندازهگیری شده توسط یک شتابسنج سه محوره قابلحمل، ارزیابی میکند. مسئله تشخیص سقوط، به دلیل آنکه میتواند باعث نجات جان افراد شود و سرعت رساندن خدمات پزشکی را کاهش دهد؛ مسئلهای بسیار بااهمیت است. برای این منظور از روشهای مبتنی بر دوربین و روشهای مبتنی بر سنسور مانند شتابسنج استفاده میشود. در تحقیقات سالهای اخیر، علاوه بر تشخیص سقوط، به مبحث پیشبینی سقوط نیز تمرکز شده است تا بتواند پیش از وقوع، هشدارهایی را ارسال نماید. در این پروژه، ابتدا مفاهیم اولیه توضیح داده میشود و سپس به انواع مجموعهداده مطرح در این حوزه و روشهای ارزیابی آنها، پرداخته میشود. مجموعهداده انتخاب شده با استفاده از فیلترگذاری کالمن پیشپردازش میشود. سپس، معماری از ساختار یادگیری عمیق معرفی میشود که میتواند سقوط را پیشبینی و تشخیص دهد و در صورت سقوط، نوع سقوط را نیز تشخیص دهد. در انتها به ارزیابی عملکرد مدل معرفی شده پرداخته میشود. واژههای کلیدی: سیستمهای تشخیص سقوط، سنسورهای پوشیدنی، یادگیری عمیق، تشخیص نوع سقوط، شتابسنج، شبکههای حسگر بدن، شبکهها، الگوریتمهای طبقهبندی، شبکههای عصبی کانولوشن، یادگیری ماشین. |
| Register Number | Part3 | Version | Volume | Part | Part2 | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 284215 | 1 |
LoginWithYourAccountToPostComment