RT info:eu-repo/semantics/masterThesis
T1 Sistema de Aprendizaje Profundo para reconocimiento de actividades con sensores de captura de movimientos
A1 Sáez Bombín, Sergio
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Reconocimiento de actividades humanas
K1 Sensores inerciales
AB En este este Trabajo Fin de Máster se desarrolla un sistema para el reconocimiento de actividades humanas (HAR) a partir de lo que se conoce como redes neuronales y sensores inerciales. El sistema es capaz de distinguir entre 11 actividades a partir de los datos que indican la orientación del cuerpo (cuaterniones) provenientes únicamente de 5 sensores. Las pruebas han sido realizadas con un conjunto de datos públicos conocido como REALDISP, ampliamente utilizado en la resolución de problemas HAR. También se aborda el problema de la generación de datos de movimiento a partir de redes neuronales, como complemento a la resolución del problema HAR.Además, a lo largo de este Trabajo Fin de Máster se expone la situación en la que se encuentra hoy en día el reconocimiento de actividades físicas mediante el uso de la Inteligencia Artificial y más en concreto, del Deep Learning, así como los fundamentos matemáticos y teóricos en los que se basa el diseño de redes neuronales, con el objetivo de justificar las decisiones de diseño que se han llevado a cabo. Finalmente, se describen las redes neuronales diseñadas presentando los resultados obtenidos.
YR 2020
FD 2020
LK http://uvadoc.uva.es/handle/10324/41353
UL http://uvadoc.uva.es/handle/10324/41353
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 18-sep-2024