Mestrado em Engenharia Informática e Sistemas de Informação

URI permanente para esta coleção:

http://hdl.handle.net/10437/10784

Navegar

Percorrer Mestrado em Engenharia Informática e Sistemas de Informação por autor "Bessa, Pedro Maria de Oliveira Martins dos Santos"

A mostrar 1 - 1 de 1
  • Item
    Algoritmos de inteligência artificial para deteção de quedas em dispositivos
    (2024) Bessa, Pedro Maria de Oliveira Martins dos Santos; Escola de Comunicação, Arquitetura, Artes e Tecnologias da Informação
    Neste documento serão executadas atividades de análise e implementação de algoritmos de inteligência artificial para a deteção de quedas em idosos com base na medição de aceleração, considerando a sua implementação futura em equipamentos de baixo poder de computação. Considerando o caráter temporal dos sinais, serão analisadas e implementadas redes recursivas com memória de curto prazo ou Long Short-term Memory, as LSTM. Os trabalhos terão em conta: a análise do atual estado da arte e a implementação e análise de performance das topologias de rede consideradas mais promissoras. É estudada uma rede neuronal baseada em LSTM, sobre a qual são aplicadas técnicas no sentido de melhorar o desempenho dos sistemas visados. São testadas múltiplas camadas LSTM considerando janelas temporais mais alargadas, que na sua dimensão conseguem manter uma performance acima dos sistemas de referência. Tendo em conta o modelo de classificação com três dimensões, os resultados apurados nesta abordagem demonstram-se satisfatórios, com métricas aperfeiçoadas relativamente ao modelo clássico de dados Sisfall e com níveis de probabilidade de acerto, sensibilidade e especificidade em linha com os melhores resultados dos sistemas em análise. O modelo atingiu um máximo de probabilidade de acerto no treino de 94,93% e 0,14% de valor de perda, sendo os valores finais de validação de 93,11% e 0,19% respetivamente, tendo-se verificado que o modelo tem evolução em todas as dimensões. Palavras-chave: Artificial Intelligence, Wearables, Fall Detection, Embedded Programming