Andere Kunden interessierten sich auch für
![Modelo de aprendizaje profundo para la estimación de la pose humana en el espacio y el tiempo]( "Modelo de aprendizaje profundo para la estimación de la pose humana en el espacio y el tiempo")
Modelo de aprendizaje profundo para la estimación de la pose humana en el espacio y el tiempo25,99 €![Mejora de la seguridad en el sistema de reconocimiento del iris mediante la detección del brillo]( "Mejora de la seguridad en el sistema de reconocimiento del iris mediante la detección del brillo")
Mejora de la seguridad en el sistema de reconocimiento del iris mediante la detección del brillo36,99 €![RECONOCIMIENTO DE HUELLAS DACTILARES MEDIANTE UN PROCESO META-HEURÍSTICO BIOINSPIRADO]( "RECONOCIMIENTO DE HUELLAS DACTILARES MEDIANTE UN PROCESO META-HEURÍSTICO BIOINSPIRADO")
RECONOCIMIENTO DE HUELLAS DACTILARES MEDIANTE UN PROCESO META-HEURÍSTICO BIOINSPIRADO18,99 €![Un nuevo enfoque de aprendizaje profundo para detectar enfermedades cardiovasculares]( "Un nuevo enfoque de aprendizaje profundo para detectar enfermedades cardiovasculares")
Un nuevo enfoque de aprendizaje profundo para detectar enfermedades cardiovasculares30,99 €![Internet de las cosas con aprendizaje profundo para aplicaciones sociales]( "Internet de las cosas con aprendizaje profundo para aplicaciones sociales")
Internet de las cosas con aprendizaje profundo para aplicaciones sociales31,99 €![Sistema de control de asistencia de empleados mediante reconocimiento de huellas dactilares]( "Sistema de control de asistencia de empleados mediante reconocimiento de huellas dactilares")
Sistema de control de asistencia de empleados mediante reconocimiento de huellas dactilares36,99 €![Clasificación de la infección por dengue mediante aprendizaje automático]( "Clasificación de la infección por dengue mediante aprendizaje automático")
Clasificación de la infección por dengue mediante aprendizaje automático30,99 €
HAR es un campo de investigación relacionado con la detección voluntaria de actividades cotidianas realizadas por personas a partir de series temporales de datos mediante sensores. HAR abarca diversos ámbitos, como la vigilancia, el seguimiento de bebés, la atención sanitaria a personas mayores o la conducción inteligente de automóviles, y utiliza distintos enfoques para resolver problemas de forma eficaz y precisa. Los sistemas HAR tradicionales utilizan sensores portátiles como unidades de medición inercial (IMU) y sensores de estiramiento para reconocer la actividad.Este enfoque muestra resultados notables para actividades básicas del usuario como sentarse, estar de pie y caminar. Sin embargo, en el caso de actividades complejas como correr, saltar, luchar y balancearse, los sistemas HAR basados en sensores presentan mayores tasas de clasificación errónea debido a los errores de lectura de los sensores. Estos errores de los sensores tienen los peores resultados de clasificación posibles y reducen el rendimiento global del sistema HAR. Utilizando una combinación de CNN y LSTM se extraerán y procesarán los datos de los vídeos. Se propone una red neuronal convolucional profunda, mediante la cual se extraerán las características para la obtención de los datos a partir de la secuencia de entrada (vídeo). A continuación, se utilizará LSTM para determinar las relaciones temporales entre las imágenes.