طبقه‌بندي اشكال مختلف جابه‌جايي انسان با استفاده از شبكه‌هاي عصبي عميق

كارشناسي ارشد

طبقه‌‌بندي اشكال مختلف جابه‌‌جايي انسان، حالاتي مانند سكون، پياده‌‌روي، دويدن، ماشين، قطار و ... از مباحث امروزي در جهت افزايش آسايش زندگي انسان‌ها مي‌‌باشد. امروزه امكان استفاده از اطلاعات سنسورهاي مختلف موجود در تلفن‌‌هاي هوشمند، در كنار كارايي بالاي الگوريتم‌‌هاي يادگيري ماشين و به خصوص شبكه‌‌هاي عصبي عميق، براي انجام اين از نوع طبقه‌‌بندي‌‌ها مورد استقبال قرار گرفته است. هدف اصلي اين پايان‌نامه، يافتن الگوريتمي جهت دسته‌بندي اشكال مختلف جابه‌جايي با استفاده از داده‌هاي GPS بوده، كه استفاده از شبكه‌هاي عصبي عميق در اين مسير مدنظر قرار گرفته است. بدين منظور مدل RT-TMD طراحي شده، كه قابليت تشخيص اشكال جابه‌جايي از 5 دسته مختلف را داراست. همچنين جهت افزايش دقت تشخيص، شبكه كمكي TPD طراحي شده كه باعث افزايش 2 درصدي دقت شده است. در مجموع، سيستم پيشنهادي قادر به تشخيص اشكال جابه‌جايي از 5 دسته و به ازاي هر 10 نقطه GPS با دقت 6/82% را داراست. مقايسه سيستم پيشنهادي با فعاليت‌هاي اخير نشان مي‌دهد، اين سيستم با توجه به قابليت پيش‌بيني 10 نقطه‌اي و دقت ذكر شده، بر بسياري از فعاليت‌ها برتري داشته و در يك مورد نيز برتري پيش‌بيني سريع‌تر را داراست.

195137

دانشگاه علم و صنعت ايران

الكترونيك - طراحي سيستم هاي ديجيتال

دكتر ستار ميرزاكوچكي