Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouPedrohenrique Guerrero Alterado mais de 10 anos atrás
1
myContext – tarefa 2 João França Pedro Peixoto
2
Recolha traces Detecção de locais de interesse Classificação dos locais Criação de um mapa pessoal
3
Recolha de traces GPS, classificados pelo utilizador Detecção de pontos de paragem (algorítmo de clustering)
4
Classificar Pontos de Paragem Rede Neuronal como sistema de indução Aprendizagem de um padrão
5
Mapa Pessoal Com a ajuda da API do Google Maps…
6
Implementada de raiz por nós Dinâmica
7
Cedidos por colegas de outro grupo para podermos testar e validar a nossa rede Pouco diversificados Pouca quantidade Rotinas académicas
8
Tempo Paragem Hora do Dia Fim-de-semana Proximidade (*) Número de Paragens (*) * Não usados devido à qualidade dos traces
9
Tempo de Paragem – dividido em 7 intervalos discretos; usados como variáveis booleanas mutuamente exclusivas Hora do Dia – dividida em 5 intervalos; variáveis booleanas mutuamente exclusivas Fim-de-Semana – boolean que representa se o dia da semana é Sábado ou Domingo
10
Obtenção de melhores resultados com a divisão em intervalos das variáveis Tempo de Paragem e Hora do Dia
11
Uma saída para cada local de interesse O resultado de saída corresponde ao neurónio de saída com mais energia (mais próxima de 1)
12
Pontos de treino e testagem sempre aleatórios Precisão média entre 40% e 50% Melhor resultado obtido atingiu 80% de acertos
13
Como melhorar a taxa de resultados correctos? Traces em maior quantidade e mais diversificados Utilização de mais variáveis significativas (proximidade e número de paragens)
14
Indução das actividades associadas a cada local
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.