NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Yapay zeka ve makine öğrenimindeki (ML) son gelişmeler, insan davranışını analiz etmek için etkili yöntemler ve araçlara yol açtı. İnsan Etkinliği Tanıma (HAR), geniş uygulama yelpazesi nedeniyle ML topluluğu arasında patlayıcı bir araştırma ilgisi gören alanlardan biridir. HAR, yaşlıların günlük yaşamını desteklemek ve bilişsel bozukluklar, Parkinson hastalığı, demans vb. Ayrıca ulaşım, robotik ve spor gibi alanlarda da çok faydalıdır. Derin öğrenme (DL), HAR'da yüksek düzeyde doğruluk ve performans gösteren karmaşık Yapay Sinir Ağlarına (ANN'ler) dayanan bir ML dalıdır. Convolutional Neural Networks (CNNs) ve Recurrent Neural Networks (RNNs), son yıllarda HAR sorununu çözmek için yaygın olarak kullanılan iki DL modelidir. Bu makalenin amacı, günlük faaliyetlerin tanınmasında entegrasyonlarının etkinliğini araştırmaktır, örneğin yürüyüş. CNN'leri dört güçlü RNN ile birleştiren dört hibrit modeli, yani LSTM'leri, BiLSTM'leri, GRU'ları ve BiGRU'ları analiz ediyoruz. PAMAP2 veri kümesi üzerindeki deneylerimizin sonuçları, önerilen hibrit modellerimizin birkaç göstergesel önlemle, örneğin F-skoru, doğruluk, hassasiyet ve özgüllük açısından olağanüstü bir performans seviyesine ulaştığını göstermektedir.
Özgün kaynak özetini okuyun
Recent advances in artificial intelligence and machine learning (ML) led to effective methods and tools for analyzing the human behavior. Human Activity Recognition (HAR) is one of the fields that has seen an explosive research interest among the ML community due to its wide range of applications. HAR is one of the most helpful technology tools to support the elderly's daily life and to help people suffering from cognitive disorders, Parkinson's disease, dementia, etc. It is also very useful in areas such as transportation, robotics and sports. Deep learning (DL) is a branch of ML based on complex Artificial Neural Networks (ANNs) that has demonstrated a high level of accuracy and performance in HAR. Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs) are two types of DL models widely used in the recent years to address the HAR problem. The purpose of this paper is to investigate the effectiveness of their integration in recognizing daily activities, e.g., walking. We analyze four hybrid models that integrate CNNs with four powerful RNNs, i.e., LSTMs, BiLSTMs, GRUs and BiGRUs. The outcomes of our experiments on the PAMAP2 dataset indicate that our proposed hybrid models achieve an outstanding level of performance with respect to several indicative measures, e.g., F-score, accuracy, sensitivity, and specificity.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.