列车的Android应用程序中使用机器学习

识别传感器的模式，我想我的应用程序能够检测当携带手机用户下降，仅使用加速度计数据（因为它是在所有的智能手机唯一可用的传感器）。列车的Android应用程序中使用机器学习

我首先尝试实现一种算法来检测自由落体（加速度计的总加速度接近于零，然后是由于地面打击引起的高加速度，以及当用户刚刚快速走到楼下时短暂静止以消除误报），但有很多方法可以下降，而且对于我的算法实现，我总能找到一个情况，即没有检测到跌倒，或者跌倒被错误地检测到。

我认为机器学习可以帮助我解决这个问题，通过从大量来自不同设备的传感器值，不同采样率，什么是下降和什么是不是。

Tensorflow似乎是我需要的，因为它似乎可以在Android上运行，但虽然我可以找到教程来使用它进行离线图像分类（here for example），但我没有找到任何帮助来制作模型从运动传感器值中学习模式。

我试图学习如何使用入门页面使用Tensorflow，但未能，可能是因为我不太流利的Python，并且没有机器学习背景。（我在Java和Kotlin中流利，并习惯于Android API）。

我在社区寻求帮助，以帮助我使用Tensorflow（或机器学习中的其他东西）来训练我的应用程序，以识别跌倒和其他运动传感器模式。

作为提醒，Android以随机速率报告运动传感器值，但为每个传感器事件提供纳秒时间戳，可用于推断自上次传感器事件以来的时间，并提供传感器读数作为每个轴（x，y，z）的浮点（32位）。

来源

2017-03-20 Louis CAD

嗨，你是否能够实现下降检测？我也想在加速计数据上应用一些ML。 –

@TinaJ我没有时间去尝试当前的解决方案，但我很想知道这些解决方案是否适合您！ –

Weka是一个很好的工具。如果我有时间，我想知道它是多么容易。我也喜欢你，没有python背景（只有Java）！请更新我的ML进展！哈哈 –

如果你有良好的组织你的数据，那么你可能能够使用基于Java的的Weka机器学习环境： http://www.cs.waikato.ac.nz/ml/weka/

您可以使用Weka的玩弄你的数据的所有不同的算法。 Weka使用ARFF文件作为数据。如果您使用JSON或CSV格式的数据，创建该数据非常容易。一旦你找到一个算法中/模型作品里，你可以轻松将它放入您的Android应用： http://weka.wikispaces.com/Use+Weka+in+your+Java+code

你真的，如果你不要求深度学习交易算法，我不认为你不需要Tensorflow要求。如果你确实需要的深度学习算法中，然后DeepLearning4J是Android基于Java的开源解决方案： https://deeplearning4j.org/android

来源

2017-03-29 18:09:18

STEP 1）

创建一个训练数据库。您需要一些标记为“下降”和“不下降”的加速计数据样本。因此，您将基本记录不同情况下的加速度并标记它们。即给出数据量的数量级，从0.5到5秒的1000到100,000个周期。

STEP 2）

使用SK学习python。尝试使用不同的模型来分类数据。 X是包含3个加速度轴的样本的矢量。 Y是你的目标。（下降/不下降）您将创建一个分类，可划分X到Y

STEP 3）

让您的分类与Android兼容。 Sklearn-porter将以您喜欢的编码语言移植您的代码。 https://github.com/nok/sklearn-porter

STEP 4）

在应用程式这个端口分类。用数据提供它。

来源

2017-10-10 15:20:38

列车的Android应用程序中使用机器学习

回答

相关问题