ترجمه فارسی مقاله مقایسه ای از یادگیری عمیق و روشهای تعیین شده برای نظارت بر رفتار گوساله

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 A Comparison of Deep Learning and Established Methods for Calf Behaviour Monitoring
عنوان مقاله به فارسی مقایسه ای از یادگیری عمیق و روشهای تعیین شده برای نظارت بر رفتار گوساله
نویسندگان Oshana Dissanayake, Lucile Riaboff, Sarah E. McPherson, Emer Kennedy, Pádraig Cunningham
فرمت مقاله انگلیسی PDF
تعداد صفحات 30
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 23 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده 23 اوت 2024 ؛در ابتدا اوت 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

In recent years, there has been considerable progress in research on human activity recognition using data from wearable sensors. This technology also has potential in the context of animal welfare in livestock science. In this paper, we report on research on animal activity recognition in support of welfare monitoring. The data comes from collar-mounted accelerometer sensors worn by Holstein and Jersey calves, the objective being to detect changes in behaviour indicating sickness or stress. A key requirement in detecting changes in behaviour is to be able to classify activities into classes, such as drinking, running or walking. In Machine Learning terms, this is a time-series classification task, and in recent years, the Rocket family of methods have emerged as the state-of-the-art in this area. We have over 27 hours of labelled time-series data from 30 calves for our analysis. Using this data as a baseline, we present Rocket's performance on a 6-class classification task. Then, we compare this against the performance of 11 Deep Learning (DL) methods that have been proposed as promising methods for time-series classification. Given the success of DL in related areas, it is reasonable to expect that these methods will perform well here as well. Surprisingly, despite taking care to ensure that the DL methods are configured correctly, none of them match Rocket's performance. A possible explanation for the impressive success of Rocket is that it has the data encoding benefits of DL models in a much simpler classification framework.

چکیده به فارسی (ترجمه ماشینی)

در سالهای اخیر ، پیشرفت قابل توجهی در تحقیقات در مورد تشخیص فعالیت های انسانی با استفاده از داده های سنسورهای پوشیدنی وجود داشته است.این فناوری همچنین در زمینه رفاه حیوانات در علوم دامپزشکی پتانسیل دارد.در این مقاله ، ما در مورد تحقیقات در مورد تشخیص فعالیت حیوانات در حمایت از نظارت بر رفاه گزارش می دهیم.این داده ها از سنسورهای شتاب سنج نصب شده توسط یقه توسط هولشتاین و گوساله های جرسی تهیه شده است ، هدف از آن تشخیص تغییرات در رفتار نشانگر بیماری یا استرس است.یک نیاز اصلی در تشخیص تغییرات در رفتار ، این است که بتوانیم فعالیت ها را به کلاس ها مانند نوشیدن ، دویدن یا پیاده روی طبقه بندی کنیم.از نظر یادگیری ماشین ، این یک کار طبقه بندی سری زمانی است و در سالهای اخیر ، خانواده موشک روشها به عنوان پیشرفته در این زمینه ظاهر شده اند.ما بیش از 27 ساعت داده های سری زمانی دارای برچسب از 30 گوساله برای تجزیه و تحلیل خود داریم.با استفاده از این داده ها به عنوان یک پایه ، عملکرد موشک را در یک کار طبقه بندی 6 کلاس ارائه می دهیم.سپس ، ما این را در برابر عملکرد 11 روش یادگیری عمیق (DL) که به عنوان روشهای امیدوارکننده برای طبقه بندی سری زمانی پیشنهاد شده است ، مقایسه می کنیم.با توجه به موفقیت DL در مناطق مرتبط ، منطقی است که انتظار داشته باشیم این روش ها در اینجا نیز عملکرد خوبی داشته باشند.با کمال تعجب ، علی رغم مراقبت از اینکه روشهای DL به درستی پیکربندی شده است ، هیچکدام از آنها با عملکرد موشک مطابقت ندارند.یک توضیح احتمالی برای موفقیت چشمگیر موشک این است که دارای مزایای رمزگذاری داده های مدل های DL در یک چارچوب طبقه بندی بسیار ساده تر 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.