Анализ поведения по сигналам носимых устройств
Материал из MachineLearning.
(дополнение) |
(→Данные, ссылки на коллекции) |
||
| Строка 4: | Строка 4: | ||
== Данные, ссылки на коллекции == | == Данные, ссылки на коллекции == | ||
| + | Основные проблемы анализа поведения и классификации движений | ||
| + | |||
| + | Построение суперпозиций движений | ||
| + | |||
| + | Построение ансамблей моделей для порождения простых выборок (Сергей Иванычев – диплом) | ||
| + | |||
| + | Построение моделей локальной аппроксимации | ||
| + | Разметка времени жизни, стандартизация моделей локальной аппроксимации | ||
| + | https://doi.org/10.1109/TNNLS.2016.2531089 | ||
| + | https://doi.org/10.1007/s10444-016-9483-y | ||
| + | https://doi.org/10.1007/s00521-015-2039-0 | ||
| + | https://doi.org/10.1016/j.neucom.2018.02.074 | ||
| + | https://academic.oup.com/biostatistics/advance-article/doi/10.1093/biostatistics/kxx070/4788724 | ||
| + | https://doi.org/10.1016/j.ins.2018.02.041 | ||
| + | https://doi.org/10.1016/j.asoc.2017.11.037 | ||
| + | https://doi.org/10.1016/j.asoc.2018.01.002 | ||
| + | |||
| + | Обучение по частичной разметке и локальная аппроксимация | ||
| + | (Оценка необходимого числа измерений, необходимого объема выборки) | ||
| + | https://doi.org/10.1002/bimj.201700021 | ||
| + | |||
| + | Сегментация временного ряда | ||
| + | (Технологическая - прогнозирование времени отключения акселерометра) | ||
| + | https://doi.org/10.1007/s11063-017-9592-8 | ||
| + | https://web.stanford.edu/~hallac/GGS.pdf | ||
| + | http://eprints.lse.ac.uk/64863/8/Fryzlewicz_Multiple%20change-point%20detection_2017_published%20LSERO.pdf | ||
| + | https://doi.org/10.1177/0278364917713116 | ||
| + | |||
| + | Оптимизация параметров моделей на оси времени, замена DTW на градиентный алгоритм применение при построении моделей SEMOR | ||
| + | |||
| + | Иерархическая классификация, три характеристических времени (эл дв, движение, действие, жизнь/работа) - алгебраический и байесовский подход | ||
| + | https://doi.org/10.1145/3056540.3076194 | ||
| + | https://doi.org/10.1016/j.procs.2016.05.345 | ||
| + | |||
| + | Идентификация пользователя - по ряду определить ID независимо от класса | ||
| + | https://doi.org/10.1109/35021BIGCOMP.2015.7072841 | ||
| + | https://dl.acm.org/citation.cfm?id=2997017 | ||
| + | https://doi.org/10.1016/j.ins.2017.11.045 | ||
| + | |||
| + | Определения изменения в поведении (настроение, состояние здоровья) | ||
| + | http://www.mdpi.com/1424-8220/18/4/1126/htm | ||
| + | http://www.mdpi.com/1424-8220/18/2/623/htm | ||
| + | https://doi.org/10.1007/s11042-015-3188-y | ||
| + | Определение ЧСС, частоты дыхания, других показателей, потребляемые суточные калории | ||
| + | https://doi.org/10.1016/j.ins.2017.11.045 | ||
| + | |||
| + | Классификация движений человека | ||
| + | Обзор литературы по проекту “Весёлый строитель” | ||
| + | |||
| + | Работы команды Стрижова по акселерометрам | ||
| + | |||
| + | Карасиков М.Е., Стрижов В.В. Классификация временных рядов в пространстве параметров порождающих моделей // Информатика и ее применения, 2016. [URL] | ||
| + | |||
| + | Кузнецов М.П., Ивкин Н.П. Алгоритм классификации временных рядов акселерометра по комбинированному признаковому описанию // Машинное обучение и анализ данных. 2015. T. 1, № 11. C. 1471 - 1483. [URL] | ||
| + | |||
| + | Исаченко Р.В., Стрижов В.В. Метрическое обучение в задачах многоклассовой классификации временных рядов // Информатика и ее применения, 2016, 10(2) : 48-57. [URL] | ||
| + | |||
| + | Задаянчук А.И., Попова М.С., Стрижов В.В. Выбор оптимальной модели классификации физической активности по измерениям акселерометра // Информационные технологии, 2016. [URL] | ||
| + | |||
| + | Motrenko A.P., Strijov V.V. Extracting fundamental periods to segment human motion time series // Journal of Biomedical and Health Informatics, 2015, PP(99). [URL] | ||
| + | |||
| + | Ignatov A., Strijov V. Human activity recognition using quasiperiodic time series collected from a single triaxial accelerometer // Multimedia Tools and Applications, 2015, 17.05.2015 : 1-14. [URL] | ||
| + | И прочие работы по этой теме тут www.ccas.ru/strijov | ||
== Библиографические коллекции == | == Библиографические коллекции == | ||
[[:Категория:Статьи]] | [[:Категория:Статьи]] | ||
Версия 19:03, 15 апреля 2018
Короткий адрес: http://bit.ly/2r3y70F
Проекты
Данные, ссылки на коллекции
Основные проблемы анализа поведения и классификации движений
Построение суперпозиций движений
Построение ансамблей моделей для порождения простых выборок (Сергей Иванычев – диплом)
Построение моделей локальной аппроксимации Разметка времени жизни, стандартизация моделей локальной аппроксимации https://doi.org/10.1109/TNNLS.2016.2531089 https://doi.org/10.1007/s10444-016-9483-y https://doi.org/10.1007/s00521-015-2039-0 https://doi.org/10.1016/j.neucom.2018.02.074 https://academic.oup.com/biostatistics/advance-article/doi/10.1093/biostatistics/kxx070/4788724 https://doi.org/10.1016/j.ins.2018.02.041 https://doi.org/10.1016/j.asoc.2017.11.037 https://doi.org/10.1016/j.asoc.2018.01.002
Обучение по частичной разметке и локальная аппроксимация (Оценка необходимого числа измерений, необходимого объема выборки) https://doi.org/10.1002/bimj.201700021
Сегментация временного ряда (Технологическая - прогнозирование времени отключения акселерометра) https://doi.org/10.1007/s11063-017-9592-8 https://web.stanford.edu/~hallac/GGS.pdf http://eprints.lse.ac.uk/64863/8/Fryzlewicz_Multiple%20change-point%20detection_2017_published%20LSERO.pdf https://doi.org/10.1177/0278364917713116
Оптимизация параметров моделей на оси времени, замена DTW на градиентный алгоритм применение при построении моделей SEMOR
Иерархическая классификация, три характеристических времени (эл дв, движение, действие, жизнь/работа) - алгебраический и байесовский подход https://doi.org/10.1145/3056540.3076194 https://doi.org/10.1016/j.procs.2016.05.345
Идентификация пользователя - по ряду определить ID независимо от класса https://doi.org/10.1109/35021BIGCOMP.2015.7072841 https://dl.acm.org/citation.cfm?id=2997017 https://doi.org/10.1016/j.ins.2017.11.045
Определения изменения в поведении (настроение, состояние здоровья) http://www.mdpi.com/1424-8220/18/4/1126/htm http://www.mdpi.com/1424-8220/18/2/623/htm https://doi.org/10.1007/s11042-015-3188-y Определение ЧСС, частоты дыхания, других показателей, потребляемые суточные калории https://doi.org/10.1016/j.ins.2017.11.045
Классификация движений человека Обзор литературы по проекту “Весёлый строитель”
Работы команды Стрижова по акселерометрам
Карасиков М.Е., Стрижов В.В. Классификация временных рядов в пространстве параметров порождающих моделей // Информатика и ее применения, 2016. [URL]
Кузнецов М.П., Ивкин Н.П. Алгоритм классификации временных рядов акселерометра по комбинированному признаковому описанию // Машинное обучение и анализ данных. 2015. T. 1, № 11. C. 1471 - 1483. [URL]
Исаченко Р.В., Стрижов В.В. Метрическое обучение в задачах многоклассовой классификации временных рядов // Информатика и ее применения, 2016, 10(2) : 48-57. [URL]
Задаянчук А.И., Попова М.С., Стрижов В.В. Выбор оптимальной модели классификации физической активности по измерениям акселерометра // Информационные технологии, 2016. [URL]
Motrenko A.P., Strijov V.V. Extracting fundamental periods to segment human motion time series // Journal of Biomedical and Health Informatics, 2015, PP(99). [URL]
Ignatov A., Strijov V. Human activity recognition using quasiperiodic time series collected from a single triaxial accelerometer // Multimedia Tools and Applications, 2015, 17.05.2015 : 1-14. [URL] И прочие работы по этой теме тут www.ccas.ru/strijov
