1. Αρχική σελίδα
  2. Αναζήτηση

Αναγνώριση ανθρώπινης δραστηριότητας με χρήση βαθέων αναδρομικών νευρωνικών δικτύων σε πολυτροπικά δεδομένα αισθητήρων

Το τεκμήριο παρέχεται από τον φορέα :
Πανεπιστήμιο Δυτικής Αττικής (ΠΑ.Δ.Α.)   

Αποθετήριο :
Πολυνόη - Ιδρυματικό Αποθετήριο Πανεπιστημίου Δυτικής Αττικής   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Αναγνώριση ανθρώπινης δραστηριότητας με χρήση βαθέων αναδρομικών νευρωνικών δικτύων σε πολυτροπικά δεδομένα αισθητήρων
Βαριοζίδης, Ιωάννης
Σχολή Μηχανικών
Βουλόδημος, Αθανάσιος
Βασιλάς, Νικόλαος
Κεσίδης, Αναστάσιος
Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών
Διπλωματική εργασία
2021-03-03
2021-03-11T21:51:06Z
Με την παρούσα διπλωματική εργασία επιχειρείται να εξεταστεί η εφαρμογή των μεθόδων βαθιάς μάθησης για την αναγνώριση ανθρώπινης δραστηριότητας με χρήση αναδρομικών νευρωνικών δικτύων σε πολυτροπικά δεδομένα αισθητήρων. Τα σύνολα δεδομένων τα οποία χρησιμοποιούνται είναι δύο. Ειδικότερα, το πρώτο αφορά δεδομένα, τα οποία έχουν αποκτηθεί από τους αισθητήρες smartphones, ενώ το δεύτερο αφορά αλληλουχίες εικονοσειρών (βίντεο) που έχουν αποκτηθεί μέσω οπτικών μέσων (κάμερα).
Αναγνώριση ανθρώπινης δραστηριότητας
Deep learning
Όραση υπολογιστών
Computer vision
Recurrent neural networks
Βαθιά μάθηση
Pattern recognition
Human activity recognition
Αναδρομικά νευρωνικά δίκτυα
Αναγνώριση προτύπων
Ελληνική γλώσσα
Πανεπιστήμιο Δυτικής Αττικής
ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ - Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών - Διπλωματικές εργασίες
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Πανεπιστήμιο Δυτικής Αττικής (ΠΑ.Δ.Α.)
Πολυνόη - Ιδρυματικό Αποθετήριο Πανεπιστημίου Δυτικής Αττικής
ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ
Διπλωματικές εργασίες
Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.