DSpace Repository

Human Activity Recognition approach for Energy Efficiency based on Deep Learning

Show simple item record

dc.contributor.author Saadi, Firas
dc.contributor.author Lakas, Nacer Eddine
dc.date.accessioned 2023-09-20T10:00:41Z
dc.date.available 2023-09-20T10:00:41Z
dc.date.issued 2023
dc.identifier.uri https://dspace.univ-ghardaia.edu.dz/xmlui/handle/123456789/6421
dc.description.abstract Ces dernières années, la reconnaissance de l’activité humaine a suscité une attention particulière en raison de ses applications dans les soins de santé, les maisons intelligentes et les systèmes de surveillance. Traditionnellement, les appareils portables et les approches basées sur la caméra ont été utilisés pour la reconnaissance des activités, mais ils s’accompagnent de limitations liées au confort de l’utilisateur, aux problèmes de confidentialité et aux exigences d’installation. Cependant, l’avènement de la technologie des capteurs et de l’Internet des objets (IoT) a ouvert de nouvelles possibilités de reconnaissance d’activité à l’aide de capteurs environnementaux. Cette thèse explore la faisabilité d’utiliser des capteurs environnementaux pour la reconnaissance de l’activité humaine et compare six modèles différents utilisant exclusivement des données de capteurs environnementaux collectées. La recherche consiste à établir un cadre de collecte de données robuste, à appliquer des techniques de prétraitement et à évaluer les modèles à l’aide de diverses mesures. Les résultats fourniront des informations précieuses sur le potentiel des capteurs environnementaux pour la reconnaissance des activités et guideront les chercheurs, les praticiens et les développeurs de systèmes dans la prise de décisions éclairées concernant la sélection de modèles et la conception de systèmes. EN_en
dc.publisher university ghardaia EN_en
dc.subject reconnaissance de l’activité humaine, capteurs environnementaux, ensemble de données, modèles d’apprentissage automatique, analyse comparative. EN_en
dc.title Human Activity Recognition approach for Energy Efficiency based on Deep Learning EN_en
dc.type Thesis EN_en


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account