عنوان فارسی |
کاربرد شبکه عصبی کانولوشنی (CNN) در تشخیص فعالیت انسان در خانه هوشمند |
عنوان انگلیسی |
Application of Convolutional Neural Network (CNN) in Human Activity Recognition in Smart Home |
رشته مرتبط |
  مهندسی کامپیوتر |
درسهای مرتبط | روش تحقیق و نمونه پروپوزال کارشناسی ارشد برای پایان نامه |
اصول نگارش : رعایت شده و بر طبق استانداردهای وزارت علوم تهیه شده است | سال تهیه : 1403 |
فرمت تهیه : ورد (قابل ویرایش) و پی دی اف (pdf) | کیفیت نگارش : طلایی |
پاورپوینت این پروپوزال را چگونه میتوانم تهیه کنم؟ |
سفارش پاورپوینت این پروپوزال |
1. بیان مساله 2. اهمیت و ضرورت تحقیق 3. پیشینه تحقیق 4. اهداف تحقیق 5. فرضیه های تحقیق 6. مدل تحقیق 7. سوالات تحقیق 8. تعریف واژگان و اصطلاحات فنی و تخصصی 9. بیان جنبه نوآوری تحقیق 10. روش تحقیق 11. منابع فارسی و انگلیسی
این پروپوزال دارای یک مقاله بیس نیز می باشد که در انتهای همین صفحه می توانید به طور رایگان، اقدام به مشاهده و دریافت آن نمایید.
تکنیکهای یادگیری عمیق، این ظرفیت را دارند تا در حوزههای مختلف پیاده سازی شوند. همچنین سودمندی آنها در کاربردهای زیادی همچون تشخیص گفتار، مدلسازی زبان، و پردازش ویدئو به اثبات رسیده است. مدلهایی همچون شبکههای عصبی پیچشی (CNN)، و شبکههای عصبی بازگشتی (RNN)، از یک رویکرد داده محور برای یادگیری ویژگیهای تمایزدهنده، از دادههای خام حسگر استفاده میکنند. آنها به توانایی استخراج سلسله مراتبی اطلاعات پیچیده، متوالی و زمینهای، مجهز میشوند. آنها کاملاً مناسب بهره برداری از همبستگیهای زمانی در مجموعه دادهها هستند و لذا مناسب کاربردهایی همچون دسته بندی تشخیص فعالیتهای انسانی (HAR) هستند. در این کاربردها، بطور بالقوه با انبوهی از دادهها روبرو هستیم. حرکات انسانی، به صورت توالی از نمونههای متوالی در بازه زمانی، کدگذاری میشوند. فعالیت فعلی، صرفاً بر اساس پنجره کوچکی از دادهها تعریف نمیشود. در سالهای اخیر، روشهای یادگیری ماشین بکار رفته در تحقیقات قبلی برای HAR، بطور مؤثر فعالیتهای انسانی در حوزههایی همچون زندگی در محیط کمکی (AAL)، حمایت از مراقبت سالمندان، ترمیم هوشمندانه در ورزش، سیستمهای تشخیص اختلالات ذهنی در درمان هوشمند را شناسایی نمودهاند. علیرغم تلاشهای تحقیقاتی زیاد طی چند دهه گذشته، تشخیص فعالیت همچنان یک مساله چالش برانگیز است. ترکیب حسگرها در محیط بدن و دقت پایین فعالیتهای تشخیصی، از چالشهای پیاده سازی این سیستمها در محیطهای درمانی هستند. از سوی دیگر، بسیاری از روشهای مدرن یادگیری (ماشین بردار پشتیبان SVM، درختهای تصمیم، الگوریتمهای نزدیکترین همسایگی K، و طبقه بندهای تجمعی پیشرفته )، به پیش پردازشها و دانش تخصصی زیادی نیاز دارند تا ویژگیهای مختلف استفاده شده در طبقه بند را تعریف و محاسبه کنند. نکته قابل توجه اینکه یادگیری عمیق، از لحاظ پردازش سریهای زمانی خام از دادههای اینرسی حسگر، در فرایند تشخیص فعالیت، تا حد زیادی ناشناخته هستند.
این پروپوزال به بررسی پیاده سازی یک شبکه عصبی کانولوشنی جهت تشخیص فعالیت انسان در خانه های هوشمند پرداخته و برای دوره کارشناسی ارشد رشته مهندسی کامپیوتر آماده شده است. ساختارهای استاندارد پروپوزال نویسی در این پروپوزال رعایت شده و در نتیجه شما دانشجوی گرامی می توانید از آن جهت آشنایی بیشتر با این ساختارها بهره مند شوید. با توجه به جدید بودن و همچنین جامع بودن پژوهش، می توان ایده های پژوهشی جدیدی را نیز از آن استخراج نمود.
این پروپوزال در محیط ورد (WORD) آماده شده و در ادامه نیز بخشی از آن و همچنین فایل مقاله بیس مربوط به آن قرار داده شده است:
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.