Name: Deep Learning e IoT per il monitoraggio personalizzato della salute (en Italiano)
Price: 352651.00 COP
Availability: InStock
Author: Vinoth Kumar, P. ; Parthiban, S. ; Pradeep, S.
ISBN: 9786207007868

portada Deep Learning e IoT per il monitoraggio personalizzato della salute (en Italiano)

Formato

Libro Físico

Autor

S. Parthiban

S. Pradeep

Editorial

Edizioni Sapienza

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.4 cm

Peso

0.10 kg.

ISBN13

9786207007868

Categorías

Tecnología: cuestiones generales

Deep Learning e IoT per il monitoraggio personalizzato della salute (en Italiano)

S. Parthiban (Autor) · S. Pradeep (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo

$ 352.651

$ 542.540

Ahorras: $ 189.889

35% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Miércoles 17 de Julio y el Viernes 26 de Julio.

Lo recibirás en cualquier lugar de Colombia entre 1 y 5 días hábiles luego del envío.

Reseña del libro "Deep Learning e IoT per il monitoraggio personalizzato della salute (en Italiano)"

In questo lavoro viene proposto un innovativo sistema loT per il monitoraggio personalizzato a lungo termine delle attività svolte da una persona a casa. Il sistema integra un sensore indossabile Wi-Fi e tecniche di estrazione di caratteristiche per fornire informazioni su una serie di attività con l'obiettivo di dedurre comportamenti anomali. L'approccio presentato è stato concepito per essere esteso a sistemi che richiedono più sensori indossabili per fornire informazioni in modo personalizzato. La classificazione delle attività è stata eseguita con un set di addestramento relativamente piccolo. Questo risultato è interessante perché dimostra la possibilità di implementare, abbastanza facilmente, diversi sistemi HAR calibrati su diverse classi di problemi per gruppi di età di persone. L'architettura del sistema presentato sfrutta la connettività Wi-Fi di bordo e il cloud computing per garantire un aggiornamento costante della rete con nuovi set di addestramento quando si aggiungono utenti. A questo scopo, ogni campione di dati acquisito dal sensore viene trasferito al cloud. L'architettura del sistema progettato apre le porte a un approccio alternativo che potrebbe sfruttare l'uso di tecnologie FPGA per l'implementazione di complessi sistemi di elaborazione del segnale da produrre.