Aktivite Tanımada Yapay Sinir Ağları ve Genetik Programlama Yöntemlerinin Karşılaştırılması

Erdaş Ç. B., Aşuroğlu T., Açıcı K., Oğul H.

Akıllı Sistemler ve Uygulamaları , Antalya, Türkiye, 5 - 07 Ekim 2017, cilt.1, ss.62-66

  • Yayın Türü: Bildiri / Özet Bildiri
  • Cilt numarası: 1
  • Basıldığı Şehir: Antalya
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.62-66
  • Ankara Üniversitesi Adresli: Hayır

Özet

Giyilebilir sensörlerin yaygınlaşmasıyla beraber
sensörlerden elde edilen ham verilerin işlenmesiyle aktivite
tanıma problemine getirilen çözümler yaygınlaşmaya
başlamıştır. Bu bağlamda literatürde çeşitli uygulamalar
olmakla beraber, bu çalışmada aktivite tanımada popüler
olarak kullanılan yapay sinir ağı yöntemleri (ANN, RBFNN)
ve genetik programlama (GP) yönteminin ivmeölçer
verisinden çıkarılan zaman, frekans ve dalgacık (wavelet)
öznitelikleri üzerinden performans karşılaştırılması hedef
alınmıştır. Bahsi geçen çalışma kapsamında alınan sonuçlara
bakıldığında, ulaşılan en başarılı sınıflandırma performansı
zaman öznitelikleri kullanılarak, çok katmanlı perseptronun
ara katmanında 31 nöron kullanılması ile %75.09 olarak
elde edilmiştir.

With the widespread use of wearable sensors,
the processing of raw data obtained from sensors has led to
widely-used solutions to the problem of activity recognition.
In this context, it is aimed to compare the performance of
artificial neural network methods (ANN, RBFNN) and
genetic programming (GP) methods over time, frequency
and wavelet features extracted from the accelerometer data.
The most successful classification performance achieved was
75.09% using 31 neurons in the hidden layer of the
multilayer perceptron, using time attributes.