تشخیص فعالیت در خانه هوشمند با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت (LSTM)

این پروپوزال دارای مقاله بیس میباشد که قابل مشاهده و دانلود می باشد:

فهرست مطالب پروپوزال تشخیص فعالیت در خانه هوشمند با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت (LSTM)

1. بیان مساله اساسی تحقیق  
2. اهمیت و ضرورت انجام تحقیق
3. مرور ادبیات و سوابق مربوطه
4. جنبه جدید بودن و نوآوری در تحقیق
5. اهداف مشخص تحقیق
6. سؤالات تحقیق
7. فرضیه ‏های تحقیق
8. روش شناسی تحقیق
9. شرح کامل روش (میدانی، کتابخانه‏ای) و ابزار
10. جامعه آماری، روش نمونه‏ گیری و حجم نمونه
11. روش‌ها و ابزار تجزیه و تحلیل داده ‏ها
12. مراجع

بیان مساله

پیشرفت و توسعه اخیر دستگاه های الکترونیکی منجر به افزایش خانه های هوشمند و و افزایش تقاضا برای محصولات و خدمات مرتبط با خانه های هوشمند شده است. یک خانه هوشمند با استفاده از دستگاههای به هم پیوسته در شبکه، قادر به برقراری ارتباط و یادگیری از طریق عادات کاربر و ایجاد یک فضای تعاملی است.
مهمترین فرآیند در خانه های هوشمند، ، تشخیص فعالیت های انسانی (HAR ) است که شامل روشهای پیچیده مدل سازی ، استدلال و تصمیم گیری است. هدف HAR شناسایی فعالیت های ساده و پیچیده انسان در محیط های واقعی با پردازش اطلاعات مکانی و زمانی به دست آمده توسط داده های بصری و غیر بصری سنسورها یا حسگرها است.

با این حال ، تنظیمات در دنیای واقعی پیچیده و پر از عدم قطعیت است: داده های ضبط شده توسط سنسورها ممکن است مبهم و همچنین پر سر و صدا و پراکنده باشند. این شرایط منجر به طراحی و اجرای تکنیک های یادگیری ماشین سازگار (ML) برای کشف دانش از داده ها و ارائه یک پیش بینی معتبر از رفتار انسان می شود. بنابراین سیستم های HAR یک مسئله دسته بندی در نظر گرفته می شوند.

در این تحقیق ، یک چهارچوب مبتنی بر شبکه های حافظه طولانی کوتاه مدت یا حافظه کوتاه مدت بلند (LSTM ) برای بهبود تشخیص فعالیت انسان در خانه هوشمند پیشنهاد می کنیم. (Liciotti و همکاران، ۲۰۲۰)

شبکه های LSTM یک نمونه توسعه یافته از شبکه های عصبی بازگشتی( RNN ) هستند که برای جلوگیری از مشکل وابستگی طولانی مدت در شبکه RNN ها طراحی شده است. در مقایسه با سلول‌های RNN که دو حالت را ذخیره می‌کنند، سلول‌های LSTM چهار حالت را ذخیره می‌کنند.
این چهار حالت عبارتند از مقدار کنونی و آخرین خروجی و مقدار کنونی و آخرین مقدار از حالت سلول حافظه. این سلول‌ها، دارای سه نوع گیت ورودی (Input)، خروجی (Output) و فراموشی (Forget) هستند و همچنین، فقط ورودی عادی دارند. هر یک از این گیت‌ها، وزن خود را دارد. بدین معنا که متصل شدن به این نوع سلول، مستلزم راه‌اندازی چهار وزن (به جای یکی) است.
گیت ورودی تعیین می‌کند که چه میزان ورودی برای اضافه شدن به مقدار سلول پذیرفته شده است. گیت خروجی تعیین می‌کند که چه میزان از مقدار خروجی به وسیله کل شبکه قابل مشاهده است. گیت فراموشی به مقدار پیشین سلول خروجی متصل نیست، اما به مقدار پیشین سلول حافظه متصل است.

این گیت تعیین می‌کند که چه میزان از حالت سلول حافظه آخر باقی بماند. به دلیل عدم اتصال این گیت به خروجی، مفقود شدن اطلاعات کمتر صورت می‌گیرد، زیرا هیچ تابع فعال‌سازی در حلقه قرار نگرفته است. معماری شبکه پیشنهادی به صورت زیر است

 مزایای دانلود پروپوزال آماده

• این نمونه پروپوزال ، مناسب برای پروپوزال درس روش تحقیق ، پروپوزال پایان نامه ، پروپوزال طرح پژوهشی و پروپوزال کاری می باشد .
• با دانلود پروپوزال آماده به راحتی می توانید پروپوزال کارشناسی، پروپوزال کارشناسی ارشد ،پروپوزال روش تحقیق و پروپوزال دکتری خود را بنویسید؛ و یا خود پروپوزال را که در ورد (word) نوشته شده است، متناسب با سلیقه خود ویرایش کنید؛
•  نمونه پروپوزال آماده ، قرار داده شده بر اساس استاندارد پروپوزال نویسی وزارت علوم و تحقیقات می باشد و شامل بخش های اصلی یک پروپوزال آماده کامل از جمله: بیان مسئله اصلی تحقیق.، اهمیت و ضرورت موضوع و دلیل پرداختن به موضوع، اهداف اصلی تحقیق، فرضیات اصلی تحقیق، نوآوری و جنبه جدید بودن تحقیق، سوالات تحقیق، روش انجام تحقیق و مدل مفهومی تحقیق  می باشد.
• برای مشاهده و دانلود پروپوزال های بیشتر، می توانید به صفحه دانلود نمونه پروپوزال کامپیوتر مراجعه نمایید.
• جهت ارائه پروپوزال، ما قالب پاورپوینت پروپوزال منودار طراحی نموده ایم که می توانید دانلود نمایید.

 سایر لینکهای مرتبط

• دانلود ‌ پروپوزال آماده و رایگان (تمامی رشته ها) »
• دانلود نمونه پروپوزال‌ مدیریت »
• دانلود‌ نمونه پروپوزال آماده‌ مهندسی‌ کامپیوتر »
• نمونه پروپوزال‌ آماده مهندسی‌ برق »
• نمونه پروپوزا‌‌ل‌ آماده پزشکی و مهندسی پزشکی »
• دانلود پروپوزال‌ مهندسی‌ مکانیک »
• دانلود نمونه پروپوزال‌ مهندسی‌ صنایع »
• نمونه پروپوزال‌ هنر و ارتباطات تصویری »
• دانلود پروپوزال روانشناسی »
• دانلود پروپوزال حقوق »
• دانلود پروپوزال حسابداری و حسابرسی »
• دانلود پروپوزال‌ اقتصاد »
• دانلود پروپوزال علوم انسانی »
• دانلود رایگان کتاب آموزش پروپوزال

 برخی از مراجع

۱- Liciotti, D., Bernardini, M., Romeo, L., & Frontoni, E. (2020). A sequential deep learning application for recognising human activities in smart homes. Neurocomputing, 396, 501-513.
۲- Liu, Y., Mu, Y., Chen, K., Li, Y., & Guo, J. (2020). Daily activity feature selection in smart homes based on pearson correlation coefficient. Neural Processing Letters, 1-17.
۳- Chua, S. L., Foo, L. K., & Juboor, S. S. D. S. (2020). Towards real-time recognition of activities in smart homes. International Journal of Advanced Intelligence Paradigms, 15(2), 146-164.
۴- Hamad, R. A., Hidalgo, A. S., Bouguelia, M. R., Estevez, M. E., & Quero, J. M. (2019). Efficient activity recognition in smart homes using delayed fuzzy temporal windows on binary sensors. IEEE journal of biomedical and health informatics, 24(2), 387-395.
۵- Zebin, T., Scully, P. J., Peek, N., Casson, A. J., & Ozanyan, K. B. (2019). Design and implementation of a convolutional neural network on an edge computing smartphone for human activity recognition. IEEE Access, 7, 133509-133520.