| DC Field | Value | Language |
|---|
| dc.contributor.author | Chen, Z. Y. | - |
| dc.contributor.author | Yang, Z. X. | - |
| dc.contributor.author | Li, H. | - |
| dc.coverage.spatial | Минск | ru_RU |
| dc.date.accessioned | 2023-05-25T07:29:07Z | - |
| dc.date.available | 2023-05-25T07:29:07Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.citation | Chen, Z. Y. Human physical activity recognition algorithm based on smartphone data and long short time memory neural network / Z. Y.Chen, Z. X. Yang, H. Li // BIG DATA и анализ высокого уровня = BIG DATA and Advanced Analytics : сборник научных статей IX Международной научно-практической конференции, Минск, 17–18 мая 2023 г. : в 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2023. – С. 21-28. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/51573 | - |
| dc.description.abstract | The continuous advancement of smartphone sensors has brought more opportunities for the universal
application of human motion recognition technology. Based on the data of the mobile phone's three-axis acceleration sensor,
using combining a double-layer Long Short Time Memory (LSTM) and full connected layers allow us to improve human
actions recognition accuracy, including walking, jogging, sitting, standing, and going up and down stairs. This is helpful for
smart assistive technology. It is shown that physical activity classification accuracy is equal to 97 %. | ru_RU |
| dc.language.iso | en | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | mobile acceleration sensor | ru_RU |
| dc.subject | long short time memor | ru_RU |
| dc.subject | classification accuracy | ru_RU |
| dc.title | Human physical activity recognition algorithm based on smartphone data and long short time memory neural network | ru_RU |
| dc.title.alternative | Алгоритм распознавания физической активности человека на основе данных смартфона и длительной короткой памяти нейронной сети | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | Постоянное совершенствование датчиков смартфонов открыло больше возможностей для
универсального применения технологии распознавания движений человека. Основываясь на данных трехосевого
датчика ускорения мобильного телефона, использование сочетания двухслойной долговременной памяти (LSTM) и
полносвязных слоев позволяет нам повысить точность распознавания действий человека, включая ходьбу, бег
трусцой, сидение, стояние и подниматься и спускаться по лестнице. Это полезно для интеллектуальных
вспомогательных технологий. Показано, что точность классификации физической активности составляет 97 %. | ru_RU |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2023)
|
