列車的Android應用程序中使用機器學習

識別傳感器的模式，我想我的應用程序能夠檢測當攜帶手機用戶下降，僅使用加速度計數據（因爲它是在所有的智能手機唯一可用的傳感器）。列車的Android應用程序中使用機器學習

我首先嚐試實現一種算法來檢測自由落體（加速度計的總加速度接近於零，然後是由於地面打擊引起的高加速度，以及當用戶剛剛快速走到樓下時短暫靜止以消除誤報），但有很多方法可以下降，而且對於我的算法實現，我總能找到一個情況，即沒有檢測到跌倒，或者跌倒被錯誤地檢測到。

我認爲機器學習可以幫助我解決這個問題，通過從大量來自不同設備的傳感器值，不同採樣率，什麼是下降和什麼是不是。

Tensorflow似乎是我需要的，因爲它似乎可以在Android上運行，但雖然我可以找到教程來使用它進行離線圖像分類（here for example），但我沒有找到任何幫助來製作模型從運動傳感器值中學習模式。

我試圖學習如何使用入門頁面使用Tensorflow，但未能，可能是因爲我不太流利的Python，並且沒有機器學習背景。（我在Java和Kotlin中流利，並習慣於Android API）。

我在社區尋求幫助，以幫助我使用Tensorflow（或機器學習中的其他東西）來訓練我的應用程序，以識別跌倒和其他運動傳感器模式。

作爲提醒，Android以隨機速率報告運動傳感器值，但爲每個傳感器事件提供納秒時間戳，可用於推斷自上次傳感器事件以來的時間，並提供傳感器讀數作爲每個軸（x，y，z）的浮點（32位）。

來源

2017-03-20 Louis CAD

嗨，你是否能夠實現下降檢測？我也想在加速計數據上應用一些ML。 –

@TinaJ我沒有時間去嘗試當前的解決方案，但我很想知道這些解決方案是否適合您！ –

Weka是一個很好的工具。如果我有時間，我想知道它是多麼容易。我也喜歡你，沒有python背景（只有Java）！請更新我的ML進展！哈哈 –

如果你有良好的組織你的數據，那麼你可能能夠使用基於Java的的Weka機器學習環境： http://www.cs.waikato.ac.nz/ml/weka/

您可以使用Weka的玩弄你的數據的所有不同的算法。 Weka使用ARFF文件作爲數據。如果您使用JSON或CSV格式的數據，創建該數據非常容易。一旦你找到一個算法中/模型作品裏，你可以輕鬆將它放入您的Android應用： http://weka.wikispaces.com/Use+Weka+in+your+Java+code

你真的，如果你不要求深度學習交易算法，我不認爲你不需要Tensorflow要求。如果你確實需要的深度學習算法中，然後DeepLearning4J是Android基於Java的開源解決方案： https://deeplearning4j.org/android

來源

2017-03-29 18:09:18

STEP 1）

創建一個訓練數據庫。您需要一些標記爲「下降」和「不下降」的加速計數據樣本。因此，您將基本記錄不同情況下的加速度並標記它們。即給出數據量的數量級，從0.5到5秒的1000到100,000個週期。

STEP 2）

使用SK學習python。嘗試使用不同的模型來分類數據。 X是包含3個加速度軸的樣本的矢量。 Y是你的目標。（下降/不下降）您將創建一個分類，可劃分X到Y

STEP 3）

讓您的分類與Android兼容。 Sklearn-porter將以您喜歡的編碼語言移植您的代碼。 https://github.com/nok/sklearn-porter

STEP 4）

在應用程式這個端口分類。用數據提供它。

來源

2017-10-10 15:20:38

列車的Android應用程序中使用機器學習

回答

相關問題