https://libeldoc.bsuir.by/handle/123456789/39431| Название: | Способы машинного обучения для выявления ошибок выполнения упражнений на Smart-тренажере |
| Авторы: | Кукареко, А. В. Нестеренков, С. Н. |
| Ключевые слова: | материалы конференций;интернет вещей;временные ряды;нейронные сети;internet of things;time series;neural networks |
| Дата публикации: | 2020 |
| Издательство: | Беспринт |
| Описание: | Кукареко, А. В. Способы машинного обучения для выявления ошибок выполнения упражнений на Smart-тренажере / А. В. Кукареко, С. Н. Нестеренков // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня: сборник материалов VI Международной научно-практической конференции, Минск, 20-21 мая 2020 года: в 3 ч. Ч. 2 / Белорусский государственный университет информатики и радиоэлектроники [и др.] ;редкол.: В. А. Богуш [и др.]. – Минск, 2020. – С. 214–224. |
| Аннотация: | В докладе рассматривается возможность использования алгоритмов машинного обучения и нейронных сетей для классификации качества выполнения упражнения по показаниям с датчика установленного на "умном" тренажере. Демонстрируется полученный результат и оценка решения задачи. Использовались следующие виды алгоритмов машинного обучения: метод опорных векторов, LSTM-сети и сверточные LSTM-сети. |
| Аннотация на другом языке: | The report considers the possibility of using machine learning algorithms and neural networks to classify the quality of the exercises according to data from a sensor installed on a smart training machine. The reached result is demonstrated along with the whole solution evaluation. The following types of machine learning algorithms were used: SVM, LSTM, and convolutional-LSTM networks. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/39431 |
| ISBN: | 978-985-90533-9-9 |
| Располагается в коллекциях: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : материалы конференции (2020) |
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| Kukareko_Sposoby.pdf | 1.14 MB | Adobe PDF | Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.