| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Značilke pri razpoznavanju aktivnosti dnevnega življenja v pametnih domovih
Avtorji:ID Baketarić, Dražen (Avtor)
ID Donaj, Gregor (Avtor)
ID Sepesy Maučec, Mirjam (Avtor)
Datoteke:.pdf Features_in_recognizing_activit-BaketariC-2024.pdf (4,66 MB)
MD5: 75A1244EC994EFE807EF06023D3254E0
 
URL https://journals.um.si/index.php/anali-pazu/article/view/4801
 
Jezik:Slovenski jezik
Vrsta gradiva:Znanstveno delo
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:UZUM - Univerzitetna založba Univerze v Mariboru
FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Slovenija se kot večina razvitih držav sooča s staranjem prebivalstva. Poraja se vprašanje, kako starostnikom zagotoviti varno bivanje v domačem okolju. Tehnološki razvoj na področju senzorskih tehnologij, strojnega učenja in umetne inteligence lahko prispeva k doseganju tega cilja. Sistemi za zaznavanje aktivnosti dnevnega življenja z visoko točnostjo razpoznavajo aktivnosti stanovalcev pametnih domov. Posledično lahko zaznajo motnje pri vsakodnevnem delovanju starostnika, kar lahko kaže na zdravstvene težave. Tovrstni sistemi temeljijo na senzorskih omrežjih in na podlagi aktivacije različnih senzorjev razpoznavajo aktivnosti stanovalcev. Točnost razpoznavanja aktivnosti je odvisna predvsem od kakovosti značilk, ki jih sestavimo iz senzorskih podatkov, in algoritma oz. modela za klasifikacijo, ki ga iz podatkov zgradimo v fazi učenja. V raziskavi se osredotočamo predvsem na izbiranje in izločanje značilk ter proučujemo kako le-to vpliva na končni rezultat razpoznavanja aktivnosti. Analiziramo, pri katerih aktivnostih je točnost razpoznavanja najboljša in pri katerih najslabša. Pri slednjih prikažemo tudi, s katerimi aktivnostmi le-te najpogosteje zamenjujemo.
Ključne besede:senzorji, aktivnosti, razpoznavanje aktivnosti, strojno učenje, klasifikacija
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:06.02.2024
Datum objave:23.12.2024
Kraj izida:Maribor
Založnik:Univerza v Mariboru, Univerzitetna založba
Leto izida:2024
Št. strani:21
Številčenje:Letn.14, št.2
PID:20.500.12556/DKUM-97235 Novo okno
UDK:004.5
COBISS.SI-ID:223402755 Novo okno
DOI:10.18690/analipazu.14.2.1-21.2024 Novo okno
ISSN pri članku:2820-364X
Datum objave v DKUM:24.02.2026
Število ogledov:164
Število prenosov:9
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Anali PAZU
Založnik:Združenje Pomurska akademsko znanstvena unija, Združenje Pomurska akademsko znanstvena unija, Univerzitetna založba Univerze v Mariboru
ISSN:2232-416X
COBISS.SI-ID:257553152 Novo okno

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0069
Naslov:Napredne metode interakcij v telekomunikacijah

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Features in Recognizing Activities of Daily Life in Smart Homes
Opis:The question arises of how to ensure a safe stay for the elderly in their home environment. Development in sensor technology, machine learning, and artificial intelligence can contribute to achieving this goal. Activities of daily life recognition systems recognize the activities of residents in smart homes with high accuracy. They can consequently detect anomalies in the daily functioning of the elderly, which may indicate health problems. Systems of this type are based on sensor networks and recognize the activities of residents based on the activation of various sensors. The accuracy of activity recognition depends primarily on the quality of the features that are compiled from sensor data and the classification model, which is built from the collection of data in the learning phase. In the presented research, we mainly focus on selecting and extracting features and studying how different features affect the final result of activity recognition. We analyze which activities have the best and which have the worst recognition accuracy. In the latter's case, we also show which activities are most often misidentified.
Ključne besede:sensor, activity, activity recognition, machine learning, classification


Zbirka

To gradivo je del naslednjih zbirk del:
  1. Anali PAZU

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici