Студенты ТПУ предложили новый способ сбора и классификации персональных данных с помощью свёрточной нейросети |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2019-11-22 07:13 Команда студентов Томского политехнического университета разработала и предложила новый способ сбора и классификации персональных данных с браслета с помощью свёрточной нейросети на хакатоне «Рабочие выходные» . Напомним, ранее в «Точках кипения» ТПУ и ТУСУРа прошли «Рабочие выходные», организаторами которых выступили «Сетевой медицинский IT-парк» СибГМУ, Томский политехнический университет и ТУСУР. Интенсив состоял из двух секций: «Медицинские носимые гаджеты и IoT» и «Бионические протезы», последняя из которых работала в формате хакатона совместно с компанией-партнером Kleiber Bionics. Участникам секций предложили решить кейсы с конкретными задачами. Так, команда студентов Томского политеха в рамках секции «Бионические протезы» разработала и представила новый способ сбора и классификации персональных данных с браслета с помощью сверточной нейросети. Применение искусственного интеллекта в работе обусловлено их эффективностью в задачах классификации и распознавания.
Работа затруднялась тем, что в нашей команде не было специалиста в области медицины. Поэтому написание кода для получения данных заняло много времени», — признается ведущий разработчик команды Андрей Авербах. В ходе работы выяснилось, что данные, полученные с датчиков, были сильно зашумлены. Однако свёрточная нейросеть смогла успешно обучиться фильтровать сигнал и классифицировать данные. К тому же, она имеет возможность легко «доучиться» под конкретного человека, ведь паттерны сигналов двигательной активности у каждого человека свои. Таким образом, алгоритм позволяет персонифицировать подход к получению данных. Браслет с механизмом, который удалось сконструировать команде, предустановлен на 3-4 человеческих жеста. Однако, по словам студентов, его можно настроить на большее количество, чтобы отслеживать активность человека.
— говорит проектный менеджер команды Елизавета Бесштанникова. Источник: news.tpu.ru Комментарии: |
|