ISSN: 2165- 7866
Mohsen Nabian
Los sistemas de reconocimiento de actividad (AR) son modelos de aprendizaje automático desarrollados para teléfonos celulares y dispositivos portátiles inteligentes para reconocer diversas actividades humanas en tiempo real, como caminar, estar de pie, correr y andar en bicicleta En este artículo, se analiza el rendimiento (precisión y tiempo de cálculo) de varios modelos de aprendizaje supervisados y no supervisados muy conocidos, incluidos la regresión logística, la máquina de vectores de soporte, los vecinos más cercanos, la base ingenua, el árbol de decisiones y Random Forest se examinan en un conjunto de datos. Se muestra que el modelo Random Forest supera a otros modelos con una precisión superior al 99 por ciento. Se muestra que PCA mejoró significativamente el rendimiento de la red neuronal artificial con una capa oculta y los modelos SVM tanto en precisión como en tiempo, mientras que PCA demostró tener impactos negativos en los modelos Random Forest o Decision Tree al aumentar el tiempo de ejecución y disminuir la precisión de la predicción. .