ترجمه فارسی مقاله پایش فعالیت مصرف وعده غذایی در سالمندان بر اساس داده‌های حسگر: مقایسه روش‌های طبقه‌بندی بدون نظارت

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 Meal-taking activity monitoring in the elderly based on sensor data: Comparison of unsupervised classification methods
عنوان مقاله به فارسی پایش فعالیت مصرف وعده غذایی در سالمندان بر اساس داده‌های حسگر: مقایسه روش‌های طبقه‌بندی بدون نظارت
نویسندگان Abderrahim Derouiche, Damien Brulin, Eric Campo, Antoine Piau
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Signal Processing,Applications,یادگیری ماشین , پردازش سیگنال , برنامه ها ,
توضیحات Submitted 4 September, 2024; originally announced September 2024. , Journal ref: 18th International Conference on e-Health, IADIS -- International Association for the Development of the Information Society, Jul 2024, BUDAPEST, Hungary
توضیحات به فارسی ارسال شده در 4 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، مجله Ref: هجدهمین کنفرانس بین المللی در زمینه الکترونیکی ، IADIS-انجمن بین المللی توسعه انجمن اطلاعات ، ژوئیه 2024 ، بوداپست ، مجارستان
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 an era marked by a demographic change towards an older population, there is an urgent need to improve nutritional monitoring in view of the increase in frailty. This research aims to enhance the identification of meal-taking activities by combining K-Means, GMM, and DBSCAN techniques. Using the Davies-Bouldin Index (DBI) for the optimal meal taking activity clustering, the results show that K-Means seems to be the best solution, thanks to its unrivalled efficiency in data demarcation, compared with the capabilities of GMM and DBSCAN. Although capable of identifying complex patterns and outliers, the latter methods are limited by their operational complexities and dependence on precise parameter configurations. In this paper, we have processed data from 4 houses equipped with sensors. The findings indicate that applying the K-Means method results in high performance, evidenced by a particularly low Davies-Bouldin Index (DBI), illustrating optimal cluster separation and cohesion. Calculating the average duration of each activity using the GMM algorithm allows distinguishing various categories of meal-taking activities. Alternatively, this can correspond to different times of the day fitting to each meal-taking activity. Using K-Means, GMM, and DBSCAN clustering algorithms, the study demonstrates an effective strategy for thoroughly understanding the data. This approach facilitates the comparison and selection of the most suitable method for optimal meal-taking activity clustering.

چکیده به فارسی (ترجمه ماشینی)

در عصری که با تغییر جمعیتی نسبت به جمعیت مسن مشخص شده است ، با توجه به افزایش ضعف ، نیاز فوری به بهبود نظارت تغذیه ای وجود دارد.این تحقیق با هدف تقویت شناسایی فعالیتهای غذایی با ترکیب تکنیک های K-Means ، GMM و DBSCAN انجام شده است.با استفاده از شاخص دیویس-بولدین (DBI) برای خوشه بندی فعالیت بهینه از وعده های غذایی ، نتایج نشان می دهد که K-Mean به لطف کارایی بی نظیر آن در مشخص کردن داده ها ، در مقایسه با قابلیت های GMM و DBSCAN ، بهترین راه حل است.اگرچه قادر به شناسایی الگوهای پیچیده و مسافت های خارج از کشور است ، روشهای دوم با پیچیدگی های عملیاتی و وابستگی آنها به تنظیمات پارامتر دقیق محدود می شوند.در این مقاله ، ما داده ها را از 4 خانه مجهز به سنسورها پردازش کرده ایم.این یافته ها نشان می دهد که استفاده از روش K- معنی منجر به عملکرد بالا می شود ، که توسط یک شاخص به خصوص کم دیویس-بولدین (DBI) مشهود است ، و نشانگر جداسازی و انسجام بهینه بهینه است.محاسبه میانگین مدت زمان هر فعالیت با استفاده از الگوریتم GMM امکان تشخیص دسته های مختلف فعالیت های غذایی را فراهم می کند.از طرف دیگر ، این می تواند با زمان های مختلف روز متناسب با هر فعالیت وعده غذایی مطابقت داشته باشد.این مطالعه با استفاده از الگوریتم های خوشه بندی K ، GMM و DBSCAN ، یک استراتژی مؤثر برای درک کامل داده ها نشان می دهد.این روش مقایسه و انتخاب مناسب ترین روش برای خوشه بندی فعالیت بهینه وعده غذایی را تسهیل می کند.

📚 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.