Дисертація присвячена дослідженню методів розпізнавання активності людини та систем отримання даних з натільних сенсорів у зв'язку з розвитком технологій BSN. Такі технології дозволяють постійно моніторити фізіологічні показники людини, що в свою чергу дозволяє виявляти загострення хронічних хвороб, раптові кризові ситуації, а також здійснювати довготривалий моніторинг за здоров'ям людини.У роботі обґрунтовано методи збору та попередньої обробки даних з сенсорів. Для попередньої обробки таких даних розроблено алгоритм, який покращує фільтрацію шумів що виникають при зборі даних. Алгоритм передбачає перетворення одновимірні сигнали (1d) акселерометра в двовимірні (2d) графічні зображення, за допомогою вікна Хеммінга, складаючи сигнали разом послідовно по рядках (stacking), що дозволяє кожній послідовності сигналів корелювати з іншими послідовностями. Доведено оптимальність такого підходу за допомогою порівняння з іншими і вимірюванні точності класифікації за допомогою моделей з однаковими архітектурами. Запропоновано архітектуру моделі на основі нейронної мережі, для ефективної класифікації людської діяльності.Також в роботі розглянуто можливість використання трансферного навчання для задачі розпізнавання людської активності. Здійснене моделювання такого навчання для задачі класифікації типів дихання.Для перевірки висунутих гіпотез створений прилад з сенсорами, що здатний знімати покази рухів грудної клітини і розроблена модель машинного навчання, що на основі даних з приладу має змогу класифікувати дихання людини.

Постачальник даних: УкрІНТЕІ (Український Інститут науково-технічної експертизи та Інформації)

  Завантажити автореферат