신경망으로 가속도계 데이터에서 인간의 활동을 분류하십시오.

Question

저는 회사의 기존 분류 자의 벤치 마크를 수행해야합니다. 가장 큰 문제는 현재 다른 유형의 교통 수단을 차별화하는 것입니다. 예를 들어 현재 열차에 탑승했는지, 자동차를 운전했는지 또는 자전거를 타고 있는지를 인식하는 것이 가장 중요합니다.

저는 LSTM에 대해 많이 읽었으며, 중요한 사건들 사이의 시간이 꽤 길 수있는 필기 및 음성 인식 분야에서 최근의 성공 사례로는 http://en.wikipedia.org/wiki/Long_short_term_memory입니다.

기차/버스의 문제점에 대한 저의 첫 번째 생각은 예를 들어 보행/달리기와 같이 분명하고 짧은주기가 없을 것이므로 장기 기억이 중요 할 것입니다.

괜찮은 결과와 비슷한 것을 시도한 사람이 있습니까? 또는이 문제를 해결할 수있는 다른 기술이 있습니까?

Answer 1

저는 스마트 폰 가속도계를 사용하여 교통 감지 모드를 연구했습니다. 내가 찾은 주요 결과는 거의 모든 분류 작업이 수행한다는 것입니다. 핵심 문제는 일련의 기능입니다. (이것은 다른 많은 기계 학습 문제와 다르지 않습니다.) 시간 영역 슬라이딩 윈도우 분할에서 가져온 시간 영역 및 주파수 영역 값이 포함 된 내 기능 집합이 완성되었습니다.

또 다른 문제는 가속도계를 어느 곳에 나 배치 할 수 있다는 것입니다. 몸에는 어디서나 어떤 방향 으로든있을 수 있습니다. 사용자가 주행 중이면 주머니, 가방, 자동차 좌석, 흡입 컵 창 장착 대 등에 휴대 전화가 있습니까?

이러한 문제를 방지하려면 가속도계 대신 GPS를 사용하십시오. 해당 센서로 비교적 정확한 분류를 만들 수 있지만 비용은 배터리 사용량입니다.