دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Jorge Luis Reyes Ortiz (auth.)
سری: Springer Theses
ISBN (شابک) : 9783319142739, 9783319142746
ناشر: Springer International Publishing
سال نشر: 2015
تعداد صفحات: 147
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب تشخیص فعالیت انسانی مبتنی بر تلفن هوشمند: پردازش سیگنال، تصویر و گفتار، رابط های کاربری و تعامل انسان با کامپیوتر، رباتیک و اتوماسیون
در صورت تبدیل فایل کتاب Smartphone-Based Human Activity Recognition به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تشخیص فعالیت انسانی مبتنی بر تلفن هوشمند نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب درباره کار اصلی نویسنده گزارش میدهد تا به استفاده از تلفنهای هوشمند پیشرفته امروزی برای تشخیص فعالیت بدنی انسان بپردازد. نویسنده با بهرهبرداری از قابلیتهای سنجش، محاسبات و ارتباطی که در حال حاضر در این دستگاهها موجود است، یک سیستم تشخیص فعالیت مبتنی بر گوشیهای هوشمند جدید ایجاد کرد که تمام جنبههای تشخیص آنلاین فعالیتهای انسانی، از جمعآوری دادههای تجربی، الگوریتمهای یادگیری ماشین و الگوریتمهای یادگیری ماشین را در نظر میگیرد. پیاده سازی سخت افزاری این کتاب همچنین راهحلهایی را برای برخی از چالشهایی که در طول توسعه این رویکرد به وجود آمد، مانند عملکرد بلادرنگ، دقت بالا، مصرف کم باتری و عدم مزاحمت، مورد بحث و توضیح قرار میدهد. این به وضوح نشان میدهد که با استفاده از فناوریهای فعلی گوشیهای هوشمند میتوان فعالیتها را با دقت بالا در زمان واقعی انجام داد. این کتاب علاوه بر شرح مفصلی از روشها، مروری جامع از مفاهیم اساسی در تشخیص فعالیتهای انسانی در اختیار خوانندگان قرار میدهد. همچنین تجزیه و تحلیل دقیقی از تأثیرگذارترین آثار در این زمینه ارائه می دهد و آنها را به تفصیل مورد بحث قرار می دهد. این پایان نامه توسط هر دو دانشگاه Politècnica de Catalunya (موسسه اولیه) و دانشگاه جنوا (موسسه متوسطه) به عنوان بخشی از دکتری مشترک Erasmus Mundus در محیط های تعاملی و شناختی هدایت شد.
</ p>The book reports on the author’s original work to address the use of today’s state-of-the-art smartphones for human physical activity recognition. By exploiting the sensing, computing and communication capabilities currently available in these devices, the author developed a novel smartphone-based activity-recognition system, which takes into consideration all aspects of online human activity recognition, from experimental data collection, to machine learning algorithms and hardware implementation. The book also discusses and describes solutions to some of the challenges that arose during the development of this approach, such as real-time operation, high accuracy, low battery consumption and unobtrusiveness. It clearly shows that it is possible to perform real-time recognition of activities with high accuracy using current smartphone technologies. As well as a detailed description of the methods, this book also provides readers with a comprehensive review of the fundamental concepts in human activity recognition. It also gives an accurate analysis of the most influential works in the field and discusses them in detail. This thesis was supervised by both the Universitat Politècnica de Catalunya (primary institution) and University of Genoa (secondary institution) as part of the Erasmus Mundus Joint Doctorate in Interactive and Cognitive Environments.
Front Matter....Pages i-xxiii
Introduction....Pages 1-5
Front Matter....Pages 7-7
Background....Pages 9-35
State of the Art....Pages 37-56
Front Matter....Pages 57-57
Human Activity Dataset Generation....Pages 59-78
Hardware-Friendly Activity Recognition with Fixed-Point Arithmetic....Pages 79-91
Front Matter....Pages 93-93
Linear SVM Models for Online Activity Recognition....Pages 95-112
Online Recognition with Postural Transition Awareness....Pages 113-130
Conclusions....Pages 131-133