Vous avez une question, contacter WhatsApp : +64-7-788-0271 ou E-mail : clicourscom@gmail.com

Table des matières

Introduction et contexte général
Chapitre 1 : Etat de l’art
1. Introduction.
2. L’internet des objets et les objets connectés
2.1. L’internet des objets
2.2. Les objets connectés
3. Architecture de traitement
3.1. Extraction de descripteurs
3.2. Fusion de données multi capteurs
3.3. Apprentissage automatique pour la reconnaissance de l’activité
4. Limites de l’état de l’art
4.1. Reconnaissance de l’activité physique élémentaire et basée sur le contexte
4.2. Prise en compte de l’imperfection des données des objets connectés
4.3.Apprentissage en profondeur pour la reconnaissance de l’activité humaine
Chapitre 2 : Reconnaissance de l’activité physique élémentaire avec des objets connectés
1. Introduction
2. Vue d’ensemble des traitements
3. Création du corpus
3.1. Description de l’expérience
3.2. Pré-analyse du corpus
4. Extraction de descripteurs
4.1. Découpage et segmentation des signaux
4.2. Taille d’une coupe
4.3. Résultats Globaux
4.4. La DCT comme principal descripteur
4.5. Influence chevauchement entre activités élémentaire
5. Discussion
Chapitre 3 : Reconnaissance de l’activité physique basée sur le contexte
1. Introduction
2. Etat de l’art
3. Activités de premier niveau
3.1. Statistiques descriptives sur le corpus d’activités
3.2. Annotation des données
3.3. Pré-analyse du corpus
4. Processus de classification des activités physiques
4.1. Extraction de descripteurs
5. Activités physiques de Deuxième niveau : comportement des visionneurs d’un programme TV
5.1. Distinction entre les trois phases de visionnage d’un programme TV
6. Activités physiques de Troisième niveau : détection de l’attention envers la TV
6.1. Segmentation des individus
6.2. Le descripteur de l’attention envers la TV.
7. Synthèse des chapitre 2 et 3
8. Limites des études effectuées dans les chapitres 2 et 3
Chapitre 4 : Prise en compte de l’imperfection des données pour la reconnaissance
de l’activité physique
1. Introduction
2. Etat de l’art
2.1. Approximation des fonctions de masse
3. Vue d’ensemble de la DST pour la reconnaissance de l’activité
3.1. Implémentation
4. Résultats
4.1. Activités physiques élémentaires
4.2. Activités physiques basées sur le contexte
5. Discussion
Chapitre 5 : Optimisation de l’architecture d’entrainement des données de l’activité physique par apprentissage en profondeur
1. Introduction
2. Etude préliminaire : Apprentissage d’un réseau de neurones profonds avec sélection de descripteurs
3. Apprentissage en profondeur des données brutes de l’activité physique humaine
3.1. Le modéle proposé
3.2. Principe d’apprentissage du modèle
4. Etude comparative pour l’optimisation des réseaux de neurones profonds
4.1 Critères autour de la fonction d’activité
4.2. Optimiseurs plus rapides
4.3. Discussion
4.4. Le modèle proposé
Conclusion générale
Références bibliographiques
Annexes