Εφαρμογή τεχνικών βαθιάς μηχανικής μάθησης (Deep Learning) για την εύρεση μοτίβων σε ανθρώπινες δραστηριότητες.
Διπλωματική Εργασία
| Επιβλέπων | Ιάκωβος Βενιέρης |
|---|---|
| Συσχετιζόμενο μάθημα | Δίκτυα Ευρείας Ζώνης |
Περιγραφή
Ο αυξανόμενος ρυθμός ανάπτυξης του Διαδικτύου των Πραγμάτων (Internet of Things; ΙοΤ) έχει οδηγήσει στη συλλογή μεγάλου όγκου δεδομένων από αισθητήρες, οι οποίοι είναι ενσωματωμένοι σε κινητές ή φορετές (wearable) συσκευές. Η ανάλυση αυτών των δεδομένων μπορεί να δημιουργήσει εφαρμογές που αφορούν στη βελτίωση του τρόπου ζωής, την ενίσχυση της ασφάλειας, καθώς και την παρακολούθηση της υγείας των χρηστών. Επιπλέον, οι τεχνικές βαθιάς μηχανικής μάθησης (Deep Learning) έχουν βελτιώσει σημαντικά τους τομείς της αναγνώρισης ομιλίας, της μηχανικής όρασης και της επεξεργασίας φυσικής γλώσσας. Παρ’ όλ’ αυτά, η εφαρμογή των τεχνικών Deep Learning δεν είναι τόσο διαδεδομένη όσο θα έπρεπε στην ανάλυση των ΙοΤ δεδομένων.
Σκοπός της συγκεκριμένης διπλωματικής εργασίας είναι η εφαρμογή αλγορίθμων Deep Learning σε δεδομένα επιταχυνσιόμετρου (accelerometer), ενσωματωμένου σε κινητή ή wearable συσκευή. Μετά την εκπαίδευσή του, o αλγόριθμος θα είναι σε θέση να αναγνωρίζει ποιος χρήστης φέρει πάνω του τη συσκευή, όταν αυτός εκτελεί μία φυσική δραστηριότητα (π.χ., τρέξιμο).
Απαραίτητη είναι η καλή γνώση της γλώσσας προγραμματισμού Python. Επιθυμητή είναι η γνώση τεχνικών μηχανικής μάθησης και επεξεργασίας σήματος.
(1 άτομο) (Υπεύθυνοι ερευνητές: Π. Κασνέσης, Ε. Καραμανής, Υ. Δ/ρες)