Human Activity Recognition and Behaviour Analysis: For Cyber-Physical Systems in Smart Environments

این کتاب ابتدا مشکلات، مفاهیم و مفاهیم مختلف مربوط به شناخت فعالیت را تعریف می‌کند و منطق اساسی و روش‌ها و رویکردهای مدرن را معرفی می‌کند. سپس استفاده از تکنیک‌های هوش مصنوعی و فن‌آوری‌های دانش پیشرفته را برای مدل‌سازی و تجزیه و تحلیل چرخه حیات فعالیت‌ها و رفتارهای انسانی بر اساس مشاهدات سنجش لحظه‌ای از شبکه‌های حسگر و اینترنت اشیا توصیف می‌کند. همچنین روش‌ها و مکانیسم‌های استنتاج و پشتیبانی تصمیم، و همچنین تکنیک‌های شخصی‌سازی و انطباق را که برای سیستم‌های فراگیر انسان-ماشین هوشمند در حال ظهور، مانند فناوری‌های خود مدیریتی و کمکی در مراقبت‌های بهداشتی هوشمند مورد نیاز است، پوشش می‌دهد. هر فصل شامل پیشینه نظری، زیربنای فن‌آوری و اجرای عملی، و اطلاعات گام به گام در مورد چگونگی رسیدگی و حل مشکلات خاص در زمینه‌های موضوعی است.

این تک‌نگاره می‌تواند به عنوان کتاب درسی برای مقاطع تحصیلات تکمیلی و دکترا استفاده شود. دانشجویان در دوره هایی مانند سیستم های کامپیوتری، محاسبات فراگیر، تجزیه و تحلیل داده ها و سلامت دیجیتال. همچنین یک منبع مرجع تحقیقاتی ارزشمند برای نامزدهای فوق دکتری و دانشگاهیان در حوزه‌های تحقیقاتی و کاربردی مرتبط، مانند تجزیه و تحلیل داده‌ها، شهرهای هوشمند، انرژی هوشمند و مراقبت‌های بهداشتی هوشمند است. علاوه بر این، به توسعه دهندگان فناوری هوشمند و برنامه های کاربردی بینش عملی در مورد استفاده از تشخیص فعالیت و تجزیه و تحلیل رفتار در سیستم های فیزیکی-سایبری پیشرفته ارائه می دهد. در نهایت، به توسعه دهندگان و ارائه دهندگان راه حل های مراقبت های بهداشتی اطلاعاتی در مورد فرصت ها و راه حل های نوآورانه ممکن برای مراقبت های بهداشتی شخصی و پزشکی طبقه بندی شده ارائه می دهد.

The book first defines the problems, various concepts and notions related to activity recognition, and introduces the fundamental rationale and state-of-the-art methodologies and approaches. It then describes the use of artificial intelligence techniques and advanced knowledge technologies for the modelling and lifecycle analysis of human activities and behaviours based on real-time sensing observations from sensor networks and the Internet of Things. It also covers inference and decision-support methods and mechanisms, as well as personalization and adaptation techniques, which are required for emerging smart human-machine pervasive systems, such as self-management and assistive technologies in smart healthcare. Each chapter includes theoretical background, technological underpinnings and practical implementation, and step-by-step information on how to address and solve specific problems in topical areas.

This monograph can be used as a textbook for postgraduate and PhD students on courses such as computer systems, pervasive computing, data analytics and digital health. It is also a valuable research reference resource for postdoctoral candidates and academics in relevant research and application domains, such as data analytics, smart cities, smart energy, and smart healthcare, to name but a few. Moreover, it offers smart technology and application developers practical insights into the use of activity recognition and behaviour analysis in state-of-the-art cyber-physical systems. Lastly, it provides healthcare solution developers and providers with information about the opportunities and possible innovative solutions for personalized healthcare and stratified medicine.