با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
ردیف | عنوان | نوع |
---|---|---|
1 |
Fall detection system for elderly people using IoT and Big Data
سیستم تشخیص سقوط برای سالمندان با استفاده از اینترنت اشیا و داده های بزرگ-2018 Falls represent a major public health risk worldwide for the elderly people. A fall not assisted in time can cause functional
impairment in an elder and a significant decrease in his mobility, independence and life quality. In that sense, the present work
proposes an innovative IoT-based system for detecting falls of elderly people in indoor environments, which takes advantages of
low-power wireless sensor networks, smart devices, big data and cloud computing. For this purpose, a 3D-axis accelerometer
embedded into a 6LowPAN device wearable is used, which is responsible for collecting data from movements of elderly people
in real-time. To provide high efficiency in fall detection, the sensor readings are processed and analyzed using a decision trees
based Big Data model running on a Smart IoT Gateway. If a fall is detected, an alert is activated and the system reacts
automatically by sending notifications to the groups responsible for the care of the elderly people. Finally, the system provides
services built on cloud. From medical perspective, there is a storage service that enables healthcare professional to access to falls
data for perform further analysis. On the other hand, the system provides a service leveraging this data to create a new machine
learning model each time a fall is detected. The results of experiments have shown high success rates in fall detection in terms of
accuracy, precision and gain.
Keywords: Fall detection; Internet-of-Things; Big Data, 6LowPAN; wearable sensor; Smart IoT Gateway; fall detection; decision tree learning algorithm; accelerometer; elderly people. |
مقاله انگلیسی |
2 |
سیستم تشخیص زوال برای افراد مسن با استفاده از اینترنت اینترنت اشیاء و داده های بزرگ(کلان داده ها)
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 21 زوال عقل یکی از مهمترین خطرات بهداشتی عمومی برای سالمندان است . کاهش زمان منجر به آسیب کارکردی در سالمندان و کاهش چشمگیر تحرک , استقلال و کیفیت زندگی آنها میشود . در این حالت , کار حاضر یک سیستم مبتنی بر iot را برای تشخیص زوال افراد مسن در محیطهای بسته پیشنهاد میکند که از مزایای شبکههای حسگر بیسیم توان پایین , دستگاههای هوشمند , دادههای بزرگ و محاسبات ابری استفاده میکند . برای این منظور , یک شتابسنج محور d - محوری که در دستگاههای پوشیدنی قابل پوشیدن تعبیه شدهاست , استفاده میشود که مسئول جمعآوری دادهها از حرکات افراد مسن در زمان واقعی است . برای ارائه کارایی بالا در تشخیص زوال , خوانش های حسگر با استفاده از یک مدل داده بزرگ مبتنی بر درخت تصمیمگیری روی یک دروازه هوشمند iot , پردازش و تحلیل میشوند . اگر زوال تشخیص داده شود , هشداری فعال میشود و سیستم به طور خودکار با ارسال اطلاعیه به گروههای مسئول مراقبت از افراد مسن واکنش نشان میدهد . در نهایت , سیستم خدماتی ایجاد میکند که بر روی ابر استوار است. از دیدگاه پزشکی , یک سرویس ذخیرهسازی وجود دارد که به متخصصان مراقبتهای بهداشتی امکان دسترسی به دادههای زوال را میدهد . از سوی دیگر , این سیستم برای ایجاد یک مدل یادگیری ماشین جدید , استفاده از این دادهها را فراهم میکند . نتایج آزمایشها , نرخ موفقیت بالایی را در تشخیص افت , دقت و سود نشان دادهاست .
واژه های کاربردی: تشخیص زوال | اینترنت اشیا | داده های بزرگ | ۶ LowPAN | سنسور پوشیدنی | دروازه اینترنت هوشمند | تشخیص زوال | الگوریتم یادگیری درخت تصمیمگیری | شتابسنج | افراد مسن |
مقاله ترجمه شده |