| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Emociju klasifikācija no gaitas biometriskajiem datiem, izmantojot dziļo mašīnmācīšanos |
| Nosaukums angļu valodā |
Emotion Classification from Gait Patterns Using Deep Learning Techniques |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Ēvalds Urtāns |
| Recenzents |
Dmitrijs Bļizņuks |
| Anotācija |
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. |
| Atslēgas vārdi |
cilvēka gaitas emocijas, dziļie neironu tīkli, dziļā mašīnmācīšanās |
| Atslēgas vārdi angļu valodā |
human gait emotions, deep learning, deep neural networks |
| Valoda |
lv |
| Gads |
2024 |
| Darba augšupielādes datums un laiks |
28.05.2024 13:24:23 |
