Розробка моделей машинного навчання для взаємодії в реальному часі з просторовими обчислювальними системами
Тип публікації :
Магістерська робота
Дата випуску :
2023
Автор(и) :
Кочетков Денис
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Кочетков, Д. (2023). Розробка моделей машинного навчання для взаємодії в реальному часі з просторовими обчислювальними системами. [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/4974
[ДСТУ] Кочетков Д. Розробка моделей машинного навчання для взаємодії в реальному часі з просторовими обчислювальними системами : кваліфікаційна робота магістра : 12 Інформаційні технології. Київ, 2023. 50 с. URL: https://ir.library.knu.ua/handle/123456789/4974 (дата звернення: 17.07.2026).
В даній роботі було досліджено потенціал методів машинного навчання для взаємодії в реальному часі з просторовими обчислювальними системами. Головною метою був аналіз існуючих технологій просторових обчислень і розробка моделі машинного навчання для двовимірного розпізнавання діяльності людини.
Було описано різні типи людської діяльності та труднощі їх точного розпізнавання в режимі реального часу. Переглянуто найсучасніші методи розпізнавання людської діяльності, включаючи як традиційні підходи,
так і підходи на основі машинного навчання.
Представлено модель машинного навчання для двовимірного розпізнавання людської діяльності, яка базується на фреймворку Keras. Описано архітектуру моделі, набір даних, який використовується для
навчання та тестування, а також показники оцінки, які використовуються для вимірювання її продуктивності. Показано, що модель досягла високої точності в розпізнаванні різних видів людської діяльності в режимі реального часу.
Ключові слова : машинне навчання, просторові обчислення, нейронні мережі, глибоке навчання, довга короткочасна пам’ять, виявлення руху, розпізнавання активності.
Було описано різні типи людської діяльності та труднощі їх точного розпізнавання в режимі реального часу. Переглянуто найсучасніші методи розпізнавання людської діяльності, включаючи як традиційні підходи,
так і підходи на основі машинного навчання.
Представлено модель машинного навчання для двовимірного розпізнавання людської діяльності, яка базується на фреймворку Keras. Описано архітектуру моделі, набір даних, який використовується для
навчання та тестування, а також показники оцінки, які використовуються для вимірювання її продуктивності. Показано, що модель досягла високої точності в розпізнаванні різних видів людської діяльності в режимі реального часу.
Ключові слова : машинне навчання, просторові обчислення, нейронні мережі, глибоке навчання, довга короткочасна пам’ять, виявлення руху, розпізнавання активності.
Галузі знань та спеціальності :
12 Інформаційні технології
122 Комп’ютерні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
2.4 MB
Контрольна сума :
(MD5):0d8e0b75c987f985f6ee37f4a45dfd87
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International