Cilvēka aktivitātes atpazīšana, izmantojot ML un AI metodes

Projekta Tips: Izglītojošs

Galvenais izaicinājums:

Informācijas iegūšana no datiem ir kļuvusi noderīga dažādās jomās. Cilvēka darbību var atpazīt pēc neapstrādātiem sensoru datiem, un to var izmantot funkcionālās un uzvedības veselības novērtēšanai, pacientu attālinātai uzraudzībai, viedās mājas aktivitāšu atpazīšanai, sporta analīzei, fitnesa izsekošanai, transporta analīzei. Cilvēka darbības atpazīšana attiecas uz cilvēka ikdienas darbības atpazīšanu automatizētā veidā, izmantojot datu ieguves un mašīnmācīšanās pieejas.

Finansējums: iekšējais

DA&AI rīki:

• Sacensību automātiskie kodētāji
• Pārnestās mācības

Publikācijas:

• Balabka, D., Shkliarenko, D., 2021. Human activity recognition with AutoML using smartphone radio data, in: Proceedings of the 2021 ACM International Symposium on Wearable Computers. ACM, Virtual USA, pp. 346-352. https://doi.org/10.1145/3460418.3479377
• Balabka, D. (2019). Semi-supervised learning for human activity recognition using adversarial autoencoders. 10.1145/3341162.3344854.

Studentu tēzes:

• Balabka, D. (2019). Human Activity Recognition with Smartphone Sensors using machine Learning Algorithms