Denna rapport har sin utgångspunkt på skapandet av en maskininlärningsalgoritm för att kunna klassificera ett fysiskt fall av en person. En DC Kapacitiv MEMS-accelerometer (BMA250) kombinerat med en Tinyduino Processor (Atmega328P) används för datainsamling. Programmering av processorn och maskininlärningsalgoritmen skrivs i C++ och ANN (Artificiell Neuralt Nätverk) används för att klassificera det fysiska fallet. ANN kan approximera ett värde som tyder på ett falskt fall efter 10 000 träningssekvenser inom 5% av ett teoretiskt värde som tyder på ett resultat med 100% säkerhet och 0,0005% felmarginal. Ett teoretiskt värde som tyder på ett faktiskt fall kan klassificeras efter 5000 träningssekvenser inom 5% av det eftersökta värdet med 100% säkerhet och 0,0045% felmarginal.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:hig-34013 |
| Date | January 2020 |
| Creators | Theo, Sobczak |
| Publisher | Högskolan i Gävle, Elektronik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds