پروژه های آماده یادگیری ماشین (Machine learning)

این پروژه یک مقاله آماده با موضوع،  افزایش دقت الگوریتم های تشخیص سقوط از طریق حذف نویز به همراه شبیه سازی در ۳۰ صفحه ورد می باشد. در ادامه چکیده ای از این مقاله را خواهیم داشت: چکیده: حوادثی از قبیل زمین خوردن یا افتادن از بلندی جزء حوادث پرتکرار در سالمندان و کارگران صنعتی به شمار میرود. تشخیص سریع این حوادث و اعلام هشدار به منظور امدادرسانی به موقع، میزان خسارات جانی را در چنین حوادثی کاهش می دهد. در میان روش های تشخیص سقوط روش متعددی از قبیل روش های مبتنی بر بینایی، دستگاه‌های محیطی و حسگرهای اینرسی وجود دارند. در میان این روش ها استفاده از حسگرهای اینرسی کارایی بهتر و هزینه کمتری در بردارد. هدف اصلی این مقاله  افزایش دقت تشخیص سقوط در روش مبتنی بر حسگرهای اینرسی است. عوامل متعددی بر دقت تشخیص سقوط تأثیر میگذارند که از مهمترین آنها میتوان به نویز اندازه گیری و داده‌های پرت اشاره کرد. این مقاله تأثیر حذف نویز اندازه‌گیری بر دقت تشخیص سقوط را بررسی میکند و با استفاده از شبیه سازی بر روی داده‌های واقعی ثبت شده، تلاش میکنیم درصد تشخیص صحیح سقوط را افزایش دهیم. برای این کار از روش های مختلفی از قبیل حذف نویز با فیلترهای دیجیتال، حذف نویز با فیلتر میانگین گیر و حذف نویز با تبدیل موجک گسسته استفاده میکنیم و نسبت سیگنال به نویز را قبل و بعد از حذف نویز مقایسه میکنیم. برای طبقه‌بندی فعالیت‌های سقوط از طبقه بند بیز ساده استفاده میکنیم و از معیارهای ارزیابی طبقه بند برای محاسبه کارایی الگوریتم‌های تشخیص سقوط استفاده میکنیم. برای ارزیابی دقت تشخیص و میزان تأثیر روش های مختلف حذف نویز از داده‌های واقعی استفاده میکنیم. این داده ها در قالب داده‌های بین‌المللی SisFall شناخته‌شده و در دسترس محققان این زمینه قرار دارد. چندین ویژگی برای تشخیص سقوط معرفی شده است که در چهاردسته جهت گیری، زمان، گشتاورهای آماری و ناحیه قرار گرفتند و مشخص شد ویژگی‌های مبتنی بر ناحیه بدون پیشپردازش دقت بالاتری دارند اما بعد از پیش‌پردازش ویژگی های اندازه و گشتاورهای آماری بالاترین‌دقت را دارند. در آخر نتایج شبیه‌سازی ها ارائه‌شده است. واژه های کلیدی: تشخیص سقوط، حسگرهای اینرسی، حذف نویز، تبدیل موجک گسسته، فیلتر دیجیتال،SisFall