| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Viedās datortehnoloģijas |
| Nosaukums |
Mašīnmācīšanās metožu pielietojums pietupiena ar svara stieni formu klasifikācijā |
| Nosaukums angļu valodā |
Application of Machine Learning Methods in Barbell Squat Form Classification |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Laima Vītoliņa |
| Recenzents |
Olga Krutikova |
| Anotācija |
Pietupiens ar svara stieni ir fizisks vingrinājums, kas ir viens no kāju vingrinājumiem, kas nosaka apakšējās ķermeņa daļas izturību. Cilvēkiem ir nepieciešams pavadīt papildus laiku, lai mācītos pietupiena tehniku vai pielietot privātā trenera pakalpojumus, lai sāktu korekti pildīt pietupienus. Katra cilvēka ķermenis ir atšķirīgs un pietupiena forma var atšķirties atkarība no cilvēka ķermeņa, kur ir nepieciešams izstrādāt personalizētu datu kopu. Esošās pietupiena klasifikācijas sistēmas nepielieto cilvēkiem pieejamu ierīci, kā telefonu, lai veiktu mērījumus. Augstākā pietupiena klasifikācijas precizitāte 6 pietupiena formām ir 80%, kur tiek izmantoti neironu tīkli. Tika sasniegta arī 96% precizitāte, toties sistēma klasificēja tikai divas klases jeb pietupiena formas, kā arī datu kopu bija samērā neliela. Darba mērķis ir izstrādāt klasifikācijas modeli, kurš spēs klasificēt pietupiena formas balstoties uz telefona ierīces iestrādātiem sensora mērījumiem, kad telefona ierīce ir piestiprināta pie pietupiena izpildītāja labā augšstilba. Pēc telefona ierīces sensora mērījumiem un to mērījumu pirmsapstrādes, lai iegūtu individuālus pietupienus un balansētu klases datu kopā. Modelis – MULTIROCKET-Hydra, kurš pirms tam netika pielietots, lai klasificētu dažādu pietupienu formu izpildījumus, spēj trenēties uz attiecīgajiem telefonā iestrādātajiem sensora mērījumiem un klasificēt dažādas pietupiena formas ar 98% precizitāti starp 6 dažādām pietupiena formām.
Dati par darba apjomu – 64 lappuses, 24 attēli, 9 tabulas, 2 pielikumi un 30 informācijas avots. |
| Atslēgas vārdi |
IMU SENSORI, LAIKA SĒRIJAS DATU KOPA, KLASIFIKĀCIJAS MODELIS, MAŠĪNMĀCĪŠANĀS, PIETUPIENS AR SVARA STIENI. |
| Atslēgas vārdi angļu valodā |
IMU SENSOR, TIME SERIES DATASET, CLASSIFICATION MODEL, MACHINE LEARNING, BARBELL SQUAT. |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 21:31:17 |
