Моделі та методи рекурентних нейромереж для розпізнавання активності людини на основі релевантних сенсорних даних

Abstract

Мета магістерської роботи - розроблення та дослідження моделей і методів рекурентних нейронних мереж для ефективного розпізнавання активності людини на основі релевантних сенсорних даних. Об’єкт дослідження - процеси розпізнавання активності людини на основі часових сенсорних даних, отриманих із інертних та мультимодальних сенсорів. Предмет дослідження - моделі та методи рекурентних нейронних мереж для класифікації та інтерпретації часових сенсорних послідовностей у задачах розпізнавання людської активності. Результати дослідження В роботі розроблено архітектуру BLSTM-моделі, оптимізовану для класифікації людської активності, з урахуванням вибору функцій активації, технік регуляризації та алгоритмів оптимізації Висновок Розроблено удосконалену архітектуру двоспрямованої рекурентної мережі (BLSTM) для задач розпізнавання людської активності, що враховує часові залежності у двох напрямах та представлено методологію попередньої обробки та сегментації сенсорних даних за допомогою методу ковзного вікна.