kumar bera tuhin (31 Ergebnisse)

Zustand: New.

Taschenbuch. Zustand: Neu. HUMAN ACTIVITY RECOGNITION USING DEEP LEARNING | Tuhin Kumar Bera (u. a.) | Taschenbuch | Englisch | 2023 | LAP LAMBERT Academic Publishing | EAN 9786206767442 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu.

Zustand: New.

Zustand: New.

Zustand: New.

Zustand: New.

Zustand: New. Print on Demand.

Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -HAR is a research field related to the voluntary detection of daily activities performed by people based on time series data using sensors. HAR consists of various domains such as surveillance, baby monitoring, elderly health care, smart driving cars using different approaches to solve problems efficiently and accurately. Traditional HAR systems use wearable sensors such as inertial measurement units (IMUs) and stretch sensors to recognize activity.This approach shows remarkable results for basic user activities such as sitting, standing, and walking. But for complex activities such as running, jumping, wrestling, and swinging, sensor-based HAR systems have higher misclassification rates due to sensor reading errors. These sensor errors have the worst possible classification results and reduce the overall performance of the HAR system. Using a combination of CNN and LSTM data will be extracted and processed from videos. In this book, a deep convolutional neural network is proposed, using which the features are extracted for the collection of the data from the input sequence (video). Then LSTM will be used to determine temporal relationships between the images. 148 pp. Englisch.

Zustand: New. PRINT ON DEMAND.

Zustand: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. HAR is a research field related to the voluntary detection of daily activities performed by people based on time series data using sensors. HAR consists of various domains such as surveillance, baby monitoring, elderly health care, smart driving cars using .

Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -HAR - äto oblast' issledowanij, swqzannaq s dobrowol'nym obnaruzheniem powsednewnyh dejstwij, wypolnqemyh lüd'mi, na osnowe dannyh wremennyh rqdow s pomosch'ü datchikow. HAR wklüchaet w sebq razlichnye oblasti, takie kak wideonablüdenie, nablüdenie za det'mi, medicinskoe obsluzhiwanie pozhilyh lüdej, intellektual'noe wozhdenie awtomobilej, w kotoryh ispol'zuütsq razlichnye podhody dlq äffektiwnogo i tochnogo resheniq zadach.Tradicionnye sistemy HAR ispol'zuüt dlq raspoznawaniq aktiwnosti nosimye datchiki, takie kak inercial'nye izmeritel'nye ustrojstwa (IMU) i datchiki rastqzheniq. Jetot podhod pokazywaet zamechatel'nye rezul'taty dlq bazowyh dejstwij pol'zowatelq, takih kak sidenie, stoqnie i hod'ba. Odnako pri slozhnyh widah deqtel'nosti, takih kak beg, pryzhki, bor'ba i mahi rukami, sistemy HAR na osnowe datchikow imeüt bolee wysokij procent oshibok klassifikacii iz-za pogreshnostej schitywaniq pokazanij datchikow. Jeti oshibki datchikow priwodqt k naihudshim rezul'tatam klassifikacii i snizhaüt obschuü proizwoditel'nost' sistemy HAR.S pomosch'ü kombinacii CNN i LSTM dannye budut izwlekat'sq i obrabatywat'sq iz wideo. V dannoj knige predlagaetsq glubokaq konwolücionnaq nejronnaq set', s pomosch'ü kotoroj izwlekaütsq priznaki dlq sbora dannyh iz whodnoj posledowatel'nosti (wideo). Zatem dlq opredeleniq wremennyh swqzej mezhdu izobrazheniqmi budet ispol'zowat'sq LSTM. 144 pp. Russisch.

Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -HAR es un campo de investigación relacionado con la detección voluntaria de actividades cotidianas realizadas por personas a partir de series temporales de datos mediante sensores. HAR abarca diversos ámbitos, como la vigilancia, el seguimiento de bebés, la atención sanitaria a personas mayores o la conducción inteligente de automóviles, y utiliza distintos enfoques para resolver problemas de forma eficaz y precisa. Los sistemas HAR tradicionales utilizan sensores portátiles como unidades de medición inercial (IMU) y sensores de estiramiento para reconocer la actividad.Este enfoque muestra resultados notables para actividades básicas del usuario como sentarse, estar de pie y caminar. Sin embargo, en el caso de actividades complejas como correr, saltar, luchar y balancearse, los sistemas HAR basados en sensores presentan mayores tasas de clasificación errónea debido a los errores de lectura de los sensores. Estos errores de los sensores tienen los peores resultados de clasificación posibles y reducen el rendimiento global del sistema HAR. Utilizando una combinación de CNN y LSTM se extraerán y procesarán los datos de los vídeos. Se propone una red neuronal convolucional profunda, mediante la cual se extraerán las características para la obtención de los datos a partir de la secuencia de entrada (vídeo). A continuación, se utilizará LSTM para determinar las relaciones temporales entre las imágenes. 140 pp. Spanisch.

Taschenbuch. Zustand: Neu. This item is printed on demand - Print on Demand Titel. Neuware -HAR is a research field related to the voluntary detection of daily activities performed by people based on time series data using sensors. HAR consists of various domains such as surveillance, baby monitoring, elderly health care, smart driving cars using different approaches to solve problems efficiently and accurately. Traditional HAR systems use wearable sensors such as inertial measurement units (IMUs) and stretch sensors to recognize activity.This approach shows remarkable results for basic user activities such as sitting, standing, and walking. But for complex activities such as running, jumping, wrestling, and swinging, sensor-based HAR systems have higher misclassification rates due to sensor reading errors. These sensor errors have the worst possible classification results and reduce the overall performance of the HAR system. Using a combination of CNN and LSTM data will be extracted and processed from videos. In this book, a deep convolutional neural network is proposed, using which the features are extracted for the collection of the data from the input sequence (video). Then LSTM will be used to determine temporal relationships between the images.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 148 pp. Englisch.

Taschenbuch. Zustand: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - HAR is a research field related to the voluntary detection of daily activities performed by people based on time series data using sensors. HAR consists of various domains such as surveillance, baby monitoring, elderly health care, smart driving cars using different approaches to solve problems efficiently and accurately. Traditional HAR systems use wearable sensors such as inertial measurement units (IMUs) and stretch sensors to recognize activity.This approach shows remarkable results for basic user activities such as sitting, standing, and walking. But for complex activities such as running, jumping, wrestling, and swinging, sensor-based HAR systems have higher misclassification rates due to sensor reading errors. These sensor errors have the worst possible classification results and reduce the overall performance of the HAR system. Using a combination of CNN and LSTM data will be extracted and processed from videos. In this book, a deep convolutional neural network is proposed, using which the features are extracted for the collection of the data from the input sequence (video). Then LSTM will be used to determine temporal relationships between the images.

Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -HAR est un domaine de recherche lié à la détection volontaire d'activités quotidiennes effectuées par des personnes sur la base de séries de données temporelles utilisant des capteurs. Le HAR couvre différents domaines tels que la surveillance, le suivi des bébés, les soins de santé aux personnes âgées, les voitures intelligentes, en utilisant différentes approches pour résoudre les problèmes de manière efficace et précise. Les systèmes HAR traditionnels utilisent des capteurs portables tels que des unités de mesure inertielle (IMU) et des capteurs d'étirement pour reconnaître l'activité.Cette approche donne des résultats remarquables pour les activités de base de l'utilisateur, telles que s'asseoir, se tenir debout et marcher. Mais pour les activités complexes telles que la course, le saut, la lutte et le balancement, les systèmes HAR basés sur des capteurs présentent des taux de classification erronée plus élevés en raison des erreurs de lecture des capteurs. Ces erreurs de capteur entraînent les pires résultats de classification possibles et réduisent les performances globales du système HAR. En utilisant une combinaison de CNN et de LSTM, les données seront extraites et traitées à partir de vidéos. Dans cet ouvrage, un réseau neuronal convolutionnel profond est proposé, qui permet d'extraire les caractéristiques pour la collecte des données à partir de la séquence d'entrée (vidéo). Ensuite, la LSTM sera utilisée pour déterminer les relations temporelles entre les images. 140 pp. Französisch.

Taschenbuch. Zustand: Neu. This item is printed on demand - Print on Demand Titel. Neuware -HAR es un campo de investigación relacionado con la detección voluntaria de actividades cotidianas realizadas por personas a partir de series temporales de datos mediante sensores. HAR abarca diversos ámbitos, como la vigilancia, el seguimiento de bebés, la atención sanitaria a personas mayores o la conducción inteligente de automóviles, y utiliza distintos enfoques para resolver problemas de forma eficaz y precisa. Los sistemas HAR tradicionales utilizan sensores portátiles como unidades de medición inercial (IMU) y sensores de estiramiento para reconocer la actividad.Este enfoque muestra resultados notables para actividades básicas del usuario como sentarse, estar de pie y caminar. Sin embargo, en el caso de actividades complejas como correr, saltar, luchar y balancearse, los sistemas HAR basados en sensores presentan mayores tasas de clasificación errónea debido a los errores de lectura de los sensores. Estos errores de los sensores tienen los peores resultados de clasificación posibles y reducen el rendimiento global del sistema HAR. Utilizando una combinación de CNN y LSTM se extraerán y procesarán los datos de los vídeos. Se propone una red neuronal convolucional profunda, mediante la cual se extraerán las características para la obtención de los datos a partir de la secuencia de entrada (vídeo). A continuación, se utilizará LSTM para determinar las relaciones temporales entre las imágenes.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 140 pp. Spanisch.

Taschenbuch. Zustand: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - HAR es un campo de investigación relacionado con la detección voluntaria de actividades cotidianas realizadas por personas a partir de series temporales de datos mediante sensores. HAR abarca diversos ámbitos, como la vigilancia, el seguimiento de bebés, la atención sanitaria a personas mayores o la conducción inteligente de automóviles, y utiliza distintos enfoques para resolver problemas de forma eficaz y precisa. Los sistemas HAR tradicionales utilizan sensores portátiles como unidades de medición inercial (IMU) y sensores de estiramiento para reconocer la actividad.Este enfoque muestra resultados notables para actividades básicas del usuario como sentarse, estar de pie y caminar. Sin embargo, en el caso de actividades complejas como correr, saltar, luchar y balancearse, los sistemas HAR basados en sensores presentan mayores tasas de clasificación errónea debido a los errores de lectura de los sensores. Estos errores de los sensores tienen los peores resultados de clasificación posibles y reducen el rendimiento global del sistema HAR. Utilizando una combinación de CNN y LSTM se extraerán y procesarán los datos de los vídeos. Se propone una red neuronal convolucional profunda, mediante la cual se extraerán las características para la obtención de los datos a partir de la secuencia de entrada (vídeo). A continuación, se utilizará LSTM para determinar las relaciones temporales entre las imágenes.

Taschenbuch. Zustand: Neu. This item is printed on demand - Print on Demand Titel. Neuware -HAR est un domaine de recherche lié à la détection volontaire d'activités quotidiennes effectuées par des personnes sur la base de séries de données temporelles utilisant des capteurs. Le HAR couvre différents domaines tels que la surveillance, le suivi des bébés, les soins de santé aux personnes âgées, les voitures intelligentes, en utilisant différentes approches pour résoudre les problèmes de manière efficace et précise. Les systèmes HAR traditionnels utilisent des capteurs portables tels que des unités de mesure inertielle (IMU) et des capteurs d'étirement pour reconnaître l'activité.Cette approche donne des résultats remarquables pour les activités de base de l'utilisateur, telles que s'asseoir, se tenir debout et marcher. Mais pour les activités complexes telles que la course, le saut, la lutte et le balancement, les systèmes HAR basés sur des capteurs présentent des taux de classification erronée plus élevés en raison des erreurs de lecture des capteurs. Ces erreurs de capteur entraînent les pires résultats de classification possibles et réduisent les performances globales du système HAR. En utilisant une combinaison de CNN et de LSTM, les données seront extraites et traitées à partir de vidéos. Dans cet ouvrage, un réseau neuronal convolutionnel profond est proposé, qui permet d'extraire les caractéristiques pour la collecte des données à partir de la séquence d'entrée (vidéo). Ensuite, la LSTM sera utilisée pour déterminer les relations temporelles entre les images.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 140 pp. Französisch.

Taschenbuch. Zustand: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - HAR est un domaine de recherche lié à la détection volontaire d'activités quotidiennes effectuées par des personnes sur la base de séries de données temporelles utilisant des capteurs. Le HAR couvre différents domaines tels que la surveillance, le suivi des bébés, les soins de santé aux personnes âgées, les voitures intelligentes, en utilisant différentes approches pour résoudre les problèmes de manière efficace et précise. Les systèmes HAR traditionnels utilisent des capteurs portables tels que des unités de mesure inertielle (IMU) et des capteurs d'étirement pour reconnaître l'activité.Cette approche donne des résultats remarquables pour les activités de base de l'utilisateur, telles que s'asseoir, se tenir debout et marcher. Mais pour les activités complexes telles que la course, le saut, la lutte et le balancement, les systèmes HAR basés sur des capteurs présentent des taux de classification erronée plus élevés en raison des erreurs de lecture des capteurs. Ces erreurs de capteur entraînent les pires résultats de classification possibles et réduisent les performances globales du système HAR. En utilisant une combinaison de CNN et de LSTM, les données seront extraites et traitées à partir de vidéos. Dans cet ouvrage, un réseau neuronal convolutionnel profond est proposé, qui permet d'extraire les caractéristiques pour la collecte des données à partir de la séquence d'entrée (vidéo). Ensuite, la LSTM sera utilisée pour déterminer les relations temporelles entre les images.

Taschenbuch. Zustand: Neu. This item is printed on demand - Print on Demand Titel. Neuware -HAR - äto oblast' issledowanij, swqzannaq s dobrowol'nym obnaruzheniem powsednewnyh dejstwij, wypolnqemyh lüd'mi, na osnowe dannyh wremennyh rqdow s pomosch'ü datchikow. HAR wklüchaet w sebq razlichnye oblasti, takie kak wideonablüdenie, nablüdenie za det'mi, medicinskoe obsluzhiwanie pozhilyh lüdej, intellektual'noe wozhdenie awtomobilej, w kotoryh ispol'zuütsq razlichnye podhody dlq äffektiwnogo i tochnogo resheniq zadach.Tradicionnye sistemy HAR ispol'zuüt dlq raspoznawaniq aktiwnosti nosimye datchiki, takie kak inercial'nye izmeritel'nye ustrojstwa (IMU) i datchiki rastqzheniq. Jetot podhod pokazywaet zamechatel'nye rezul'taty dlq bazowyh dejstwij pol'zowatelq, takih kak sidenie, stoqnie i hod'ba. Odnako pri slozhnyh widah deqtel'nosti, takih kak beg, pryzhki, bor'ba i mahi rukami, sistemy HAR na osnowe datchikow imeüt bolee wysokij procent oshibok klassifikacii iz-za pogreshnostej schitywaniq pokazanij datchikow. Jeti oshibki datchikow priwodqt k naihudshim rezul'tatam klassifikacii i snizhaüt obschuü proizwoditel'nost' sistemy HAR.S pomosch'ü kombinacii CNN i LSTM dannye budut izwlekat'sq i obrabatywat'sq iz wideo. V dannoj knige predlagaetsq glubokaq konwolücionnaq nejronnaq set', s pomosch'ü kotoroj izwlekaütsq priznaki dlq sbora dannyh iz whodnoj posledowatel'nosti (wideo). Zatem dlq opredeleniq wremennyh swqzej mezhdu izobrazheniqmi budet ispol'zowat'sq LSTM.Books on Demand GmbH, Überseering 33, 22297 Hamburg 144 pp. Russisch.

Taschenbuch. Zustand: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - HAR - äto oblast' issledowanij, swqzannaq s dobrowol'nym obnaruzheniem powsednewnyh dejstwij, wypolnqemyh lüd'mi, na osnowe dannyh wremennyh rqdow s pomosch'ü datchikow. HAR wklüchaet w sebq razlichnye oblasti, takie kak wideonablüdenie, nablüdenie za det'mi, medicinskoe obsluzhiwanie pozhilyh lüdej, intellektual'noe wozhdenie awtomobilej, w kotoryh ispol'zuütsq razlichnye podhody dlq äffektiwnogo i tochnogo resheniq zadach.Tradicionnye sistemy HAR ispol'zuüt dlq raspoznawaniq aktiwnosti nosimye datchiki, takie kak inercial'nye izmeritel'nye ustrojstwa (IMU) i datchiki rastqzheniq. Jetot podhod pokazywaet zamechatel'nye rezul'taty dlq bazowyh dejstwij pol'zowatelq, takih kak sidenie, stoqnie i hod'ba. Odnako pri slozhnyh widah deqtel'nosti, takih kak beg, pryzhki, bor'ba i mahi rukami, sistemy HAR na osnowe datchikow imeüt bolee wysokij procent oshibok klassifikacii iz-za pogreshnostej schitywaniq pokazanij datchikow. Jeti oshibki datchikow priwodqt k naihudshim rezul'tatam klassifikacii i snizhaüt obschuü proizwoditel'nost' sistemy HAR.S pomosch'ü kombinacii CNN i LSTM dannye budut izwlekat'sq i obrabatywat'sq iz wideo. V dannoj knige predlagaetsq glubokaq konwolücionnaq nejronnaq set', s pomosch'ü kotoroj izwlekaütsq priznaki dlq sbora dannyh iz whodnoj posledowatel'nosti (wideo). Zatem dlq opredeleniq wremennyh swqzej mezhdu izobrazheniqmi budet ispol'zowat'sq LSTM.

Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -HAR ist ein Forschungsgebiet, das sich mit der freiwilligen Erkennung täglicher Aktivitäten von Menschen auf der Grundlage von Zeitreihendaten mit Hilfe von Sensoren befasst. HAR umfasst verschiedene Bereiche wie Überwachung, Baby-Monitoring, Gesundheitsfürsorge für ältere Menschen und intelligent fahrende Autos, wobei verschiedene Ansätze zur effizienten und genauen Lösung von Problemen verwendet werden. Herkömmliche HAR-Systeme verwenden tragbare Sensoren wie Trägheitsmessgeräte (IMUs) und Dehnungssensoren, um Aktivitäten zu erkennen.Dieser Ansatz zeigt bemerkenswerte Ergebnisse für einfache Benutzeraktivitäten wie Sitzen, Stehen und Gehen. Bei komplexen Aktivitäten wie Laufen, Springen, Ringen und Schwingen weisen sensorbasierte HAR-Systeme jedoch aufgrund von Sensorfehlern höhere Fehlklassifizierungsraten auf. Diese Sensorfehler führen zu den schlechtesten Klassifizierungsergebnissen und verringern die Gesamtleistung des HAR-Systems. Mit einer Kombination aus CNN und LSTM werden Daten aus Videos extrahiert und verarbeitet. In diesem Buch wird ein tiefes neuronales Faltungsnetzwerk vorgeschlagen, mit dem die Merkmale für die Erfassung der Daten aus der Eingabesequenz (Video) extrahiert werden. Anschließend wird ein LSTM verwendet, um die zeitlichen Beziehungen zwischen den Bildern zu bestimmen. 144 pp. Deutsch.

Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -A HAR é um domínio de investigação relacionado com a deteção voluntária de actividades diárias realizadas por pessoas com base em dados de séries temporais utilizando sensores. A HAR consiste em vários domínios, como a vigilância, a monitorização de bebés, os cuidados de saúde a idosos e a condução inteligente de automóveis, utilizando diferentes abordagens para resolver problemas de forma eficiente e precisa. Os sistemas HAR tradicionais utilizam sensores portáteis, como unidades de medição inercial (IMU) e sensores de alongamento, para reconhecer a atividade.Esta abordagem apresenta resultados notáveis para actividades básicas do utilizador, como estar sentado, estar de pé e andar. Mas para actividades complexas, como correr, saltar, lutar e balançar, os sistemas HAR baseados em sensores apresentam taxas de erro de classificação mais elevadas devido a erros de leitura dos sensores. Estes erros dos sensores têm os piores resultados de classificação possíveis e reduzem o desempenho global do sistema HAR. Utilizando uma combinação de CNN e LSTM, os dados serão extraídos e processados a partir de vídeos. Neste livro, é proposta uma rede neural convolucional profunda, através da qual são extraídas as características para a recolha dos dados da sequência de entrada (vídeo). Em seguida, a LSTM será utilizada para determinar as relações temporais entre as imagens. 140 pp. Portugiesisch.

Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -L'HAR è un campo di ricerca legato al rilevamento volontario delle attività quotidiane svolte dalle persone sulla base di serie temporali di dati che utilizzano sensori. L'HAR comprende vari ambiti, come la sorveglianza, il monitoraggio dei bambini, l'assistenza sanitaria agli anziani e la guida intelligente delle automobili, utilizzando diversi approcci per risolvere i problemi in modo efficiente e accurato. I sistemi HAR tradizionali utilizzano sensori indossabili come le unità di misura inerziali (IMU) e i sensori di allungamento per riconoscere le attività.Questo approccio mostra risultati notevoli per le attività di base dell'utente, come stare seduti, in piedi e camminare. Tuttavia, per attività complesse come la corsa, il salto, la lotta e l'oscillazione, i sistemi HAR basati su sensori presentano tassi di classificazione errati più elevati a causa degli errori di lettura dei sensori. Questi errori del sensore comportano i peggiori risultati di classificazione possibili e riducono le prestazioni complessive del sistema HAR. Utilizzando una combinazione di CNN e LSTM, i dati vengono estratti ed elaborati dai video. In questo libro viene proposta una rete neurale convoluzionale profonda, con la quale vengono estratte le caratteristiche per la raccolta dei dati dalla sequenza di ingresso (video). Successivamente si utilizzerà LSTM per determinare le relazioni temporali tra le immagini. 132 pp. Italienisch.

Zustand: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Kumar Bera TuhinHerr Tuhin Kumar BeraFachbereich Informatik und Ingenieurwesen, Haldia Institute of Technology Dr. Pinaki Pratim AcharjyaFachbereich Informatik und Ingenieurwesen, Haldia Institute of Technology Dr. Santanu KoleyFachb.

Taschenbuch. Zustand: Neu. This item is printed on demand - Print on Demand Titel. Neuware -L'HAR è un campo di ricerca legato al rilevamento volontario delle attività quotidiane svolte dalle persone sulla base di serie temporali di dati che utilizzano sensori. L'HAR comprende vari ambiti, come la sorveglianza, il monitoraggio dei bambini, l'assistenza sanitaria agli anziani e la guida intelligente delle automobili, utilizzando diversi approcci per risolvere i problemi in modo efficiente e accurato. I sistemi HAR tradizionali utilizzano sensori indossabili come le unità di misura inerziali (IMU) e i sensori di allungamento per riconoscere le attività.Questo approccio mostra risultati notevoli per le attività di base dell'utente, come stare seduti, in piedi e camminare. Tuttavia, per attività complesse come la corsa, il salto, la lotta e l'oscillazione, i sistemi HAR basati su sensori presentano tassi di classificazione errati più elevati a causa degli errori di lettura dei sensori. Questi errori del sensore comportano i peggiori risultati di classificazione possibili e riducono le prestazioni complessive del sistema HAR. Utilizzando una combinazione di CNN e LSTM, i dati vengono estratti ed elaborati dai video. In questo libro viene proposta una rete neurale convoluzionale profonda, con la quale vengono estratte le caratteristiche per la raccolta dei dati dalla sequenza di ingresso (video). Successivamente si utilizzerà LSTM per determinare le relazioni temporali tra le immagini.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 132 pp. Italienisch.

Taschenbuch. Zustand: Neu. This item is printed on demand - Print on Demand Titel. Neuware -A HAR é um domínio de investigação relacionado com a deteção voluntária de actividades diárias realizadas por pessoas com base em dados de séries temporais utilizando sensores. A HAR consiste em vários domínios, como a vigilância, a monitorização de bebés, os cuidados de saúde a idosos e a condução inteligente de automóveis, utilizando diferentes abordagens para resolver problemas de forma eficiente e precisa. Os sistemas HAR tradicionais utilizam sensores portáteis, como unidades de medição inercial (IMU) e sensores de alongamento, para reconhecer a atividade.Esta abordagem apresenta resultados notáveis para actividades básicas do utilizador, como estar sentado, estar de pé e andar. Mas para actividades complexas, como correr, saltar, lutar e balançar, os sistemas HAR baseados em sensores apresentam taxas de erro de classificação mais elevadas devido a erros de leitura dos sensores. Estes erros dos sensores têm os piores resultados de classificação possíveis e reduzem o desempenho global do sistema HAR. Utilizando uma combinação de CNN e LSTM, os dados serão extraídos e processados a partir de vídeos. Neste livro, é proposta uma rede neural convolucional profunda, através da qual são extraídas as características para a recolha dos dados da sequência de entrada (vídeo). Em seguida, a LSTM será utilizada para determinar as relações temporais entre as imagens.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 140 pp. Portugiesisch.

Taschenbuch. Zustand: Neu. This item is printed on demand - Print on Demand Titel. Neuware -HAR ist ein Forschungsgebiet, das sich mit der freiwilligen Erkennung täglicher Aktivitäten von Menschen auf der Grundlage von Zeitreihendaten mit Hilfe von Sensoren befasst. HAR umfasst verschiedene Bereiche wie Überwachung, Baby-Monitoring, Gesundheitsfürsorge für ältere Menschen und intelligent fahrende Autos, wobei verschiedene Ansätze zur effizienten und genauen Lösung von Problemen verwendet werden. Herkömmliche HAR-Systeme verwenden tragbare Sensoren wie Trägheitsmessgeräte (IMUs) und Dehnungssensoren, um Aktivitäten zu erkennen.Dieser Ansatz zeigt bemerkenswerte Ergebnisse für einfache Benutzeraktivitäten wie Sitzen, Stehen und Gehen. Bei komplexen Aktivitäten wie Laufen, Springen, Ringen und Schwingen weisen sensorbasierte HAR-Systeme jedoch aufgrund von Sensorfehlern höhere Fehlklassifizierungsraten auf. Diese Sensorfehler führen zu den schlechtesten Klassifizierungsergebnissen und verringern die Gesamtleistung des HAR-Systems. Mit einer Kombination aus CNN und LSTM werden Daten aus Videos extrahiert und verarbeitet. In diesem Buch wird ein tiefes neuronales Faltungsnetzwerk vorgeschlagen, mit dem die Merkmale für die Erfassung der Daten aus der Eingabesequenz (Video) extrahiert werden. Anschließend wird ein LSTM verwendet, um die zeitlichen Beziehungen zwischen den Bildern zu bestimmen.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 144 pp. Deutsch.

Taschenbuch. Zustand: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - HAR ist ein Forschungsgebiet, das sich mit der freiwilligen Erkennung täglicher Aktivitäten von Menschen auf der Grundlage von Zeitreihendaten mit Hilfe von Sensoren befasst. HAR umfasst verschiedene Bereiche wie Überwachung, Baby-Monitoring, Gesundheitsfürsorge für ältere Menschen und intelligent fahrende Autos, wobei verschiedene Ansätze zur effizienten und genauen Lösung von Problemen verwendet werden. Herkömmliche HAR-Systeme verwenden tragbare Sensoren wie Trägheitsmessgeräte (IMUs) und Dehnungssensoren, um Aktivitäten zu erkennen.Dieser Ansatz zeigt bemerkenswerte Ergebnisse für einfache Benutzeraktivitäten wie Sitzen, Stehen und Gehen. Bei komplexen Aktivitäten wie Laufen, Springen, Ringen und Schwingen weisen sensorbasierte HAR-Systeme jedoch aufgrund von Sensorfehlern höhere Fehlklassifizierungsraten auf. Diese Sensorfehler führen zu den schlechtesten Klassifizierungsergebnissen und verringern die Gesamtleistung des HAR-Systems. Mit einer Kombination aus CNN und LSTM werden Daten aus Videos extrahiert und verarbeitet. In diesem Buch wird ein tiefes neuronales Faltungsnetzwerk vorgeschlagen, mit dem die Merkmale für die Erfassung der Daten aus der Eingabesequenz (Video) extrahiert werden. Anschließend wird ein LSTM verwendet, um die zeitlichen Beziehungen zwischen den Bildern zu bestimmen.

Taschenbuch. Zustand: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - L'HAR è un campo di ricerca legato al rilevamento volontario delle attività quotidiane svolte dalle persone sulla base di serie temporali di dati che utilizzano sensori. L'HAR comprende vari ambiti, come la sorveglianza, il monitoraggio dei bambini, l'assistenza sanitaria agli anziani e la guida intelligente delle automobili, utilizzando diversi approcci per risolvere i problemi in modo efficiente e accurato. I sistemi HAR tradizionali utilizzano sensori indossabili come le unità di misura inerziali (IMU) e i sensori di allungamento per riconoscere le attività.Questo approccio mostra risultati notevoli per le attività di base dell'utente, come stare seduti, in piedi e camminare. Tuttavia, per attività complesse come la corsa, il salto, la lotta e l'oscillazione, i sistemi HAR basati su sensori presentano tassi di classificazione errati più elevati a causa degli errori di lettura dei sensori. Questi errori del sensore comportano i peggiori risultati di classificazione possibili e riducono le prestazioni complessive del sistema HAR. Utilizzando una combinazione di CNN e LSTM, i dati vengono estratti ed elaborati dai video. In questo libro viene proposta una rete neurale convoluzionale profonda, con la quale vengono estratte le caratteristiche per la raccolta dei dati dalla sequenza di ingresso (video). Successivamente si utilizzerà LSTM per determinare le relazioni temporali tra le immagini.