ترجمه فارسی مقاله به سوی شناسایی فعالیت های انسانی شخصی سازی شده پایدار روی دستگاه با استفاده از TinyML و استقرار خودکار با قابلیت Cloud

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Towards Sustainable Personalized On-Device Human Activity Recognition with TinyML and Cloud-Enabled Auto Deployment
عنوان مقاله به فارسی به سوی شناسایی فعالیت های انسانی شخصی سازی شده پایدار روی دستگاه با استفاده از TinyML و استقرار خودکار با قابلیت Cloud
نویسندگان Bidyut Saha, Riya Samanta, Soumya K Ghosh, Ram Babu Roy
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,Machine Learning,پردازش سیگنال , یادگیری ماشین ,
توضیحات Submitted 26 August, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 26 اوت 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Human activity recognition (HAR) holds immense potential for transforming health and fitness monitoring, yet challenges persist in achieving personalized outcomes and sustainability for on-device continuous inferences. This work introduces a wrist-worn smart band designed to address these challenges through a novel combination of on-device TinyML-driven computing and cloud-enabled auto-deployment. Leveraging inertial measurement unit (IMU) sensors and a customized 1D Convolutional Neural Network (CNN) for personalized HAR, users can tailor activity classes to their unique movement styles with minimal calibration. By utilising TinyML for local computations, the smart band reduces the necessity for constant data transmission and radio communication, which in turn lowers power consumption and reduces carbon footprint. This method also enhances the privacy and security of user data by limiting its transmission. Through transfer learning and fine-tuning on user-specific data, the system achieves a 37\% increase in accuracy over generalized models in personalized settings. Evaluation using three benchmark datasets, WISDM, PAMAP2, and the BandX demonstrates its effectiveness across various activity domains. Additionally, this work presents a cloud-supported framework for the automatic deployment of TinyML models to remote wearables, enabling seamless customization and on-device inference, even with limited target data. By combining personalized HAR with sustainable strategies for on-device continuous inferences, this system represents a promising step towards fostering healthier and more sustainable societies worldwide.

چکیده به فارسی (ترجمه ماشینی)

شناخت فعالیت های انسانی (HAR) پتانسیل عظیمی برای تغییر نظارت بر سلامت و تناسب اندام دارد ، اما چالش ها در دستیابی به نتایج شخصی و پایداری برای استنتاج مداوم در دستگاه ادامه دارد.این اثر یک گروه هوشمند مچ دست را که برای پرداختن به این چالش ها از طریق ترکیبی جدید از محاسبات Tinyml محور و کاربرد خودکار با ابری طراحی شده است ، معرفی می کند.استفاده از سنسورهای واحد اندازه گیری اینرسی (IMU) و یک شبکه عصبی Convolutional 1D سفارشی (CNN) برای HAR شخصی ، کاربران می توانند کلاسهای فعالیت را با حداقل کالیبراسیون خود به سبک های حرکتی منحصر به فرد خود تنظیم کنند.با استفاده از Tinyml برای محاسبات محلی ، باند هوشمند ضرورت انتقال ثابت داده ها و ارتباطات رادیویی را کاهش می دهد ، که به نوبه خود باعث کاهش مصرف برق می شود و ردپای کربن را کاهش می دهد.این روش همچنین با محدود کردن انتقال آن ، حریم خصوصی و امنیت داده های کاربر را تقویت می کند.از طریق یادگیری انتقال و تنظیم دقیق بر روی داده های خاص کاربر ، سیستم به افزایش 37 ٪ در دقت نسبت به مدلهای عمومی در تنظیمات شخصی دست می یابد.ارزیابی با استفاده از سه مجموعه داده معیار ، WISDM ، PAMAP2 و BANDX اثربخشی خود را در حوزه های مختلف فعالیت نشان می دهد.علاوه بر این ، این کار یک چارچوب پشتیبانی شده از ابر برای استقرار خودکار مدل های Tinyml به پوشیدنی های از راه دور ، امکان سفارشی سازی یکپارچه و استنتاج در دستگاه ، حتی با داده های هدف محدود را ارائه می دهد.این سیستم با ترکیب HAR شخصی با استراتژی های پایدار برای استنتاج مداوم در دستگاه ، گامی امیدوارکننده در جهت تقویت جوامع سالم تر و پایدارتر در سراسر جهان است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.