Тема выпускной квалификационной работы: «Построение моделей ма-шинного обучения для классификации видов работ на производстве». Целью работы является создание классификатора для решения задачи РЧД. Предметом исследования являются применение машинного обучения для распознавания человеческой деятельности на производстве. Задачи, решаемые в ходе исследования: 1. Собрать данные и разметить их. 2. Создать классификатор на основе архитектуры LIMU-BERT. 3. Провести эксперименты для тестирования предложенного решения. 4. Сделать вывод об эффективности предложенного подхода для РЧД на производстве. В ходе работы была исследована архитектура LIMU-BERT. Были проана-лизированы классификаторы на базе LIMU-BERT и LSTM, GRU и механизма внимания. В результате работы был разработан классификатор для РЧД на производ-стве по четырем классам. Был сделан вывод, об эффективности применения LI-MU-BERT для решения поставленной задачи. Полученные результаты могут быть использованы для РЧД на производ-стве с целью оценки эффективности сотрудников по данным ИИБ.

The subject of the graduate qualification work: "Building machine learning models for classifying types of work in production". The given work is devoted to creating a classifier for solving the HAR prob-lem. The subject of the research is the use of machine learning to recognize human activity in production. Tasks to be solved during the study: 1. Collect data and label it. 2. Create a classifier based on the LIMU-BERT architecture. 3. Conduct experiments to test the proposed solution. 4. Make a conclusion about the effectiveness of the proposed approach for HAR in production. In the course of the work, the LIMU-BERT architecture was investigated. Clas-sifiers based on LIMU-BERT and LSTM, GRU and the attention mechanism were analyzed. As a result of the work, a classifier for HAR in production was developed in four classes. It was concluded that the effectiveness of the use of LIMU-BERT to solve the problem. The results obtained can be used for HAR in production in order to assess the effectiveness of employees according to the IMU.

• САНКТ-ПЕТЕРБУРГСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ПЕТРА ВЕЛИКОГО
• РЕФЕРАТ
• ABSTRACT
• Содержание
• Определения, обозначения и сокращения
• Введение
• 1 Анализ существующих решений
  • 1.1 Существующие решения для РЧД на основе видеоряда
  • 1.2 Существующие решения для РЧД на основе ИИБ
• 2 Подготовка и анализ данных
  • 2.1 Сбор данных
  • 2.2 Анализ данных
• 3 Описание предлагаемой модели классификации
  • 3.1 Основная идея
  • 3.2 Этапы обучения
    • 3.2.1 Самостоятельное обучение
    • 3.2.2 Обучение классификатора
• 4 Эксперименты и анализ результатов
  • 4.1 Описание экспериментов
  • 4.2 Сравнительный анализ результатов классификации различными моделями машинного обучения
  • 4.3 Анализ результатов классификации с различными параметрами нарезки представлений
• Заключение
• Список использованных источников