Predicción de actividades de la vida diaria en entornos inteligentes para personas con movilidad reducida

Use este enlace para citar
http://hdl.handle.net/2183/25981
A non ser que se indique outra cousa, a licenza do ítem descríbese como Atribución-NoComercial-CompartirIgual 4.0 España
Coleccións
Metadatos
Mostrar o rexistro completo do ítemTítulo
Predicción de actividades de la vida diaria en entornos inteligentes para personas con movilidad reducidaAutor(es)
Data
2017Cita bibliográfica
Bertomeu-Motos, A., Ezquerro, S., Barios, J. A., Lledó, L. D., Badesa Clemente, F. J., García Aracil, N. Predicción de actividades de la vida diaria en entornos inteligentes para personas con movilidad reducida. En Actas de las XXXVIII Jornadas de Automática, Gijón, 6-8 de Septiembre de 2017 (pp.251-255). DOI capítulo: https://doi.org/10.17979/spudc.9788497497749.0251 DOI libro: https://doi.org/10.17979/spudc.9788497497749
Versións
http://hdl.handle.net/10651/46492
Resumo
[Resumen] Las Actividades de la Vida Diaria (AVD) son aquellas actividades orientas al cuidado, productividad y ocio. Las tareas básicas de una persona, que consisten en el cuidado personal, se pueden ver afectadas por una enfermedad degenerativa o el sufrimiento de un accidente cerebrovascular. Por este motivo, el proyecto "Adaptive Multimodal Interfaces to Assist Disabled People in Daily Activities(AIDE)" pretende realizar un sistema multimodal capaz de extraer información relevante del comportamiento e intención del usuario, extraer información de las capacidades motoras residuales y del análisis del entorno con el objetivo de mejorar la independencia de estas personas. Para ello se ha realizado el estudio de dos técnicas de aprendizaje automático: campos aleatorios condicionales (CRF) y redes neuronales temporales (TDNN), para predecir la actividad que el usuario desea realizar estudiando también la adaptación de los métodos a la rutina del usuario. De este modo, y usando un entorno virtual, se ha adquirido la información necesaria de un usuario durante cinco días bajo las condiciones del proyecto AIDE obteniendo una tasa de acierto de más del 90% en ambos m etodos, llegando al 100% de precisión en algunas actividades usando CRF. Por lo tanto, mediante esta técnica seremos capaces de ayudar a estas personas actuando sobre el hogar, adaptándonos a sus necesidades y rutinas.
Palabras chave
AVD
Movilidad reducida
Entornos inteligentes
Predicción
CRF
TDNN
Movilidad reducida
Entornos inteligentes
Predicción
CRF
TDNN
Versión do editor
Dereitos
Atribución-NoComercial-CompartirIgual 4.0 España
ISBN
978-84-16664-74-0 (UOV) 978-84-9749-774-9 (UDC electrónico)