مناقشة رسالة ماجستير في كلية التربية للعلوم الصرفة
نوقشت رسالة ماجستير في كلية التربية للعلوم الصرفة على قاعة موتمرات الكلية لقسم علوم الحاسبات من قبل الباحثة سهى زيدان
رسالتها الموسومة :
تصميم نموذج فعال لتمييز تحليل المهارات
الحركية البشرية
تتالف لجنة الماقشة من قبل اعضاء الجنة المدرجة اسمائهم ادناه
أ.د نهاد محمود ناصر /جامعة ديالئ/ كلية التربية للعلوم الصرفة /رئيسا
أ.م.د مشهل حمد عواد/ جامعة ذي قار/ كلية التربية للعلوم الصرفة/ عضوا
م.احمد راشد موحان/جامعة ذي قار/ كلية علوم الحاسوب والرياضيات / عضوا
أ.م.د محمد عبد الهادي دايخ/جامعة ذي قار/ كلية التربية للعلوم الصرفة/ عضوا ومشرفا
وبعد دفاع الباحثة عن رسالتها والنتائج التي توصل إليها قبلت من قبل أعضاء اللجنة
أهداف البحث:
يهدف هذا البحث إلى تطوير نموذج جديد لتصنيف النشاط البشري بناءً على البيانات الحسية المسجلة بواسطة الهواتف الذكية باستخدام
تحلل الوضع الديناميكي متعدد المتغيرات ومصفوفة هانكل إلى جانب نموذج المجموعة.
أهداف هذه الرسالة هي:
• الجمع بين تحليل الوضع الديناميكي المتعدد المتغيرات (MDMD)
ومصفوفة هانكل ونموذج المجموعة لتحليل بيانات النشاط البشري بشكل فعال، والاستفاد من المزايا المميزة لكل نهج لتحسين الأداء والموثوقية..
• اقترح مصفوفة هانكل لتحسين أداء DMD لاستخراج
الميزة الأكثر تمثيلا من البيانات الحسية.
• التحقيق في نماذج المجموعة المتعددة لتحديد نهج التصنيف الأكثر فعالية.
• تقييم قدرة النموذج المقترح من خلال اختباره على بيانات غير مصنفة لإثبات فعاليته.
الاستنتاجات:
فيما يتعلق بالعمل الذي قامت به الدراسات السابقة لتحسين HAR، تهدف هذه الدراسة إلى تطوير نموذج قوي لتصنيف النشاط البشري. على الرغم من وجود دراسات صنفت HAR، إلا أن النموذج المتطور في هذه الدراسة يختلف عن الدراسات السابقة في جانبين. أولاً، تم التحقيق في تأثيرات العينات غير المسمىة على التصنيف، وثانيًا، قمنا بتصميم نهج مستخرج للميزات يعتمد على طريقة MDMD للاستفادة من الحساب السريع والاستقرار الجيد، مما أدى إلى اكتشاف أن MDMD المقترن بطريقة Hankel له إمكانات عالية في HAR.ركزت هذه الدراسة على تطوير نموذج
موثوق جديد للتصنيف الدقيق للنشاط البشري البدني باستخدام بيانات المستشعر.
ولتلخيص عملية البحث بأكملها، يتم تحويل بيانات المستشعر الحقيقية التي تم جمعها من ثلاث مجموعات بيانات إلى مصفوفات. ثم قمنا بتصفية البيانات لإزالة الضوضاء. يتم تطبيق تقنية النافذة المنزلقة لتجزئة البيانات، والتي تناسب بشكل ممتاز السلاسل الزمنية غير الثابتة، ثم نطبق النموذج المقترح لتحديد وتصنيف النشاط البشري. أخيرًا، لتقييم نموذجنا المقترح باستخدام أكثر المقاييس شيوعًا.أظهرت النتائج أن النموذج المقترح لم يكن قادرًا على التمييز بوضوح بين النشاط البشري البسيط فحسب، بل يمكنه أيضًا تصنيف النشاط البشري المعقد بدقة.
الأعمال المستقبلية:
خلال فترة العمل على هذه الدراسة، وجدنا العديد من الأفكار التي تمثل العمل المستقبلي، وتقترح الدراسة النقاط التالية:
1. سنحاول تنفيذ النموذج المقترح في نظام أجهزة منخفض التكلفة وذو سرعة عالية لتصنيف النشاط البشري لدعم مقدمي الرعاية الصحية.
2. سوف نطبق النموذج المقترح مع مجموعات بيانات أخرى مثل إشارات تخطيط كهربية الدماغ أثناء النوم، وتخطيط كهربية الدماغ للصرع، وبيانات النشاط البشري.سوف نقوم باختبار العديد من خوارزميات التعلم الآلي مثل تقنيات التعلم العميق للرسم البياني.
