| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Emociju klasifikācija no gaitas biometriskajiem datiem, izmantojot dziļo mašīnmācīšanos |
| Title in English |
Emotion Classification from Gait Patterns Using Deep Learning Techniques |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Ēvalds Urtāns |
| Reviewer |
Dmitrijs Bļizņuks |
| Abstract |
Šajā darbā tiek veikta izmantojamas datu kopas identifikācija, analīze un augmentāciju iespaida uz apmācības rezultātiem salīdzinošā analīze. Tiek veikta dziļo neironu tīklu modeļu arhitektūru, tādu kā Fāžotā LSTM, Uzlabotā LSTM, standarta LSTM, Atlikuma Tīkla un Pārveidotāja apmācība emociju atpazīšanai no cilvēka gaitas un rezultātu salīdzinošā analīze.
Rezultātā tiek salīdzināti 6 datu kopas augmentāciju veidi un 4 dziļo neironu tīklu arhitektūras, to darbības laiks un nepieciešamo parametru skaits. Datu kopas augmentācija sasniedz 10% uzlabojumu, kas rezultējas 81.8% cilvēka gaitas atpazīšanas precizitātē. |
| Keywords |
cilvēka gaitas emocijas, dziļie neironu tīkli, dziļā mašīnmācīšanās |
| Keywords in English |
human gait emotions, deep learning, deep neural networks |
| Language |
lv |
| Year |
2024 |
| Date and time of uploading |
28.05.2024 13:24:23 |
