Ахмед Ахсан Хан, Абир Альсадун, Шата Хабиб Джафер, P.W.C. Прасад, Одей Д. Джерю, Пол Маноранджан, «Новая гибридная методика обнаружения падений с использованием отслеживания и ускорения частей тела», Международная конференция IEEE по инновационным технологиям в интеллектуальных системах и промышленных приложениях (CITISIA), Сидней, 2020 г. Недавно принято.
Мне потребовалось 3 года, чтобы наконец получить эту хорошую новость по электронной почте от моего профессора доктора Абира Альсадуна. Для меня это был момент гордости, так как это было одной из моих целей с тех пор, как я начал писать диссертацию на степень магистра. За прошедшие годы потребовалось несколько отказов, прежде чем он был наконец принят. Быть первым автором статьи - значит в десять раз лучше. Газета будет опубликована в январе 2021 года.
Когда я начал свой блог здесь, я упомянул, как можно использовать Java для реализации машинного обучения / искусственного интеллекта. Эта статья получила много просмотров, в основном из поиска Google (87%), и это, безусловно, моя самая просматриваемая статья на этой платформе.
Я использовал Java для машинного обучения в своей диссертации, как упоминалось в статье выше. Для меня это был вызов, и я должен сказать, что это смелый шаг, потому что Java не является популярным языком для машинного обучения, и мне приходилось сталкиваться с проблемами на своем пути. Теперь, когда на моей конференции IEEE был выбран мой же тезис, я могу с уверенностью сказать, что я реализовал кое-что, что не является обычной практикой, и мне это удалось.
Как это произошло?
Возможно, вы слышали или видели, как люди говорят, что для успеха в чем-то нужно быть трудолюбивым, или в некоторых случаях они говорят, что умные люди переигрывают трудолюбивых, потому что они знают, как делать свои дела с умом, а также потому, что у них больше знаний. Я думаю, что помимо этих двух вещей, отношение к работе - вот что делает вас успешным.
Когда я начал писать свою диссертационную работу, я проявил интерес к моему профессору, что я заинтересован в публикации своей работы в одном из журналов IEEE или на конференции, и я много работал, чтобы получить высокую оценку отличия в моем дипломном курсе. Мое отношение к моей работе и исследованиям, которые я проводил, сделало доктора Абир настолько внимательным, что последние три года она пыталась опубликовать мою статью, которая, наконец, была принята. Если подытожить, как все это произошло, я бы сказал, что были люди более знающие, чем я, и более трудолюбивые, но отношение к своей работе - вот что наконец дало мне то, на что я надеялся. Как д-р Абир упомянула в своем электронном письме мне, что она более счастлива, чем я, потому что она знала, что для меня значило опубликовать эту работу, и по той же причине она не теряла надежды и боролась в течение 3 лет, несмотря на несколько отказов в течение всего периода. способ.
О чем мое исследование?
Мое исследование называется «Новая гибридная методика обнаружения падений с использованием отслеживания частей тела и ускорения». Во время моей работы я изучил 25 статей из разных журналов по одной и той же теме, чтобы получить представление об их работе и о том, что на самом деле было проверено. Затем из этих статей мне пришлось выбрать два лучших решения и найти собственное. Я нашел онлайн-набор данных, в котором были данные для отслеживания деталей и ускорения, и поэтому я использовал эти данные для реализации своего алгоритма на Java. В частности, я использовал SVM (Support Vector Machine) из библиотеки Java-ML для реализации своего алгоритма.
Самая лучшая часть моей диссертации заключалась в том, что не было ограничений в отношении того, какой язык я должен использовать для проверки своей работы. Это дало мне независимость в выборе Java в качестве предпочтительного языка, что сделали бы немногие. В своей диссертации я выдвинул гипотезу, которая гласила: «Событие падения существует, когда происходит резкое изменение ускорения, за которым следует уменьшение вертикального расстояния между головой и центром тела». Эта комбинация помогла нам идеально обнаруживать падения, и мы могли отличить их от других повседневных действий, таких как наклонение или лежание на полу. Созданный мной алгоритм лучше работал с набором данных, на котором я тестировал, по сравнению с текущим лучшим решением, которое было выбрано из моего литературного обзора.
Вывод:
В конце концов, мы должны понимать, что на самом деле идеального решения не существует. Вещи развиваются, и всегда есть возможности для улучшения, поскольку новые технологии и алгоритмы изобретаются и создаются почти ежедневно. На данный момент, с учетом выдвинутой гипотезы, решение, упомянутое в моей журнальной статье, считается лучшим.
Удачного обучения !!!!
