Show simple item record

dc.rights.licenseAtribución-NoComercial 4.0 Internacional
dc.contributorGonzález Osorio, Fabio Augusto
dc.contributor.authorGómez Meneses, Fabián Andrés
dc.date.accessioned2019-07-03T10:29:57Z
dc.date.available2019-07-03T10:29:57Z
dc.date.issued2018-10-10
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/69588
dc.description.abstractHuman activity recognition (HAR) is at the forefront of Pervasive Computing efforts, and deep learning techniques currently empower the most successful endeavors within the field. By using a publicly available dataset an exploratory analysis of feature learning is put forward in this work. The convolutional neural network deployed here highlights both the advantages and limitations of this class of models, while offering an overview of machine learning-aided human behavior analysis. Furthermore, the exploration includes an experimental comparison with a more traditional SVM model with feature engineering, over the same data.
dc.description.abstractResumen: El reconocimiento de la Actividad Humana (HAR) está a la vanguardia de los esfuerzos de computación, y las técnicas de aprendizaje profundo actualmente empoderan los esfuerzos más exitosos dentro del campo. Al utilizar un conjunto de datos disponible públicamente. En este trabajo se presenta un análisis exploratorio del aprendizaje de características de la red neuronal convolucional y se destaca tanto las ventajas como las limitaciones de esta clase de modelos, al tiempo que ofrece una visión general de aprendizaje asistido por máquina y análisis del comportamiento humano. Además, la exploración incluye una comparación experimental. con un modelo SVM más tradicional con ingeniería sobre los mismos datos.
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.relation.ispartofUniversidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería de Sistemas e Industrial Ingeniería de Sistemas
dc.relation.ispartofIngeniería de Sistemas
dc.rightsDerechos reservados - Universidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/
dc.subject.ddc0 Generalidades / Computer science, information and general works
dc.subject.ddc62 Ingeniería y operaciones afines / Engineering
dc.titleHuman Activity Recognition using deep learning techniques
dc.typeTrabajo de grado - Maestría
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.identifier.eprintshttp://bdigital.unal.edu.co/71559/
dc.description.degreelevelMaestría
dc.relation.referencesGómez Meneses, Fabián Andrés (2018) Human Activity Recognition using deep learning techniques. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.proposalMachine learning
dc.subject.proposalDeep learning
dc.subject.proposalHuman behavior
dc.subject.proposalNeural networks
dc.subject.proposalPervasive computing
dc.subject.proposalAprendizaje de máquina
dc.subject.proposalAprendizaje profundo
dc.subject.proposalComportamiento humano
dc.subject.proposalRedes neuronales
dc.subject.proposalComputación ubicua
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial 4.0 InternacionalThis work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit