Details
| Title | Распознавание вида двигательной активности человека с помощью акселерометра: выпускная квалификационная работа магистра: направление 01.04.03 «Механика и математическое моделирование» ; образовательная программа 01.04.03_03 «Механика и цифровое производство» |
|---|---|
| Creators | Вакильева Адель Фиратовна |
| Scientific adviser | Бабенков Михаил Борисович |
| Other creators | Хайбулова Евгения Александровна |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики |
| Imprint | Санкт-Петербург, 2020 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | Акселерометры ; распознавание активности ; свёрточная нейронная сеть ; датчик ; глубокое обучение ; задача классификации |
| UDC | 531.768 |
| Document type | Master graduation qualification work |
| File type | |
| Language | Russian |
| Level of education | Master |
| Speciality code (FGOS) | 01.04.03 |
| Speciality group (FGOS) | 010000 - Математика и механика |
| Links | Отзыв руководителя ; Рецензия ; Отчет о проверке на объем и корректность внешних заимствований |
| DOI | 10.18720/SPBPU/3/2020/vr/vr20-2861 |
| Rights | Доступ по паролю из сети Интернет (чтение) |
| Record key | ru\spstu\vkr\11098 |
| Record create date | 3/25/2021 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
В данной работе рассматривается решение проблемы распознавания двигательной активности человека с помощью методов глубокого обучения. Для этой проблемы предложен алгоритм свёрточной нейронной сети. Работа выполнена на языке Python, использованы библиотеки Pandas, NumPy, SciPy, TensorFlow, Keras, Scikit-learn, Seaborn.
In this paper, we consider the solution to the problem of human activity recognition using deep learning methods. The convolutional neural network algorithm is proposed for this problem. The work was done in Python, the libraries Pandas, NumPy, SciPy, TensorFlow, Keras, Scikit-learn, Seaborn were used.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
Access count: 1
Last 30 days: 0
