集成深度学习在智能手表跌倒检测中的实验与分析

摘要

在这次演讲中，我将介绍一个集成深度学习(DL)的实验研究。 技术的分析时间序列数据感知的智能手表，DL已经证明 与传统机器学习技术相比，性能优越 检测应用中由于时间序列数据的重要特征 可以学习并且不需要由领域专家手动确定. 然而, 深度学习网络通常需要大型数据集进行训练. 在坠落检测中，有 没有公开的大型带注释的数据集可以用于训练， 由于问题的性质(i.e. 摔倒是很罕见的事。. 此外，秋季数据 是否也固有的噪音，因为许多运动产生的手腕上的智能手表 会被误认为是跌倒吗. 我们探索将DL(递归神经网络)与 集成技术(堆叠和AdaBoosting).. 我们进行了一系列的实验 使用两个不同的模拟跌倒数据集来训练各种集成模型. 我们的研究结果表明，通过堆叠组合的深度学习模型的集合 集成技术优于在相同数据上训练的单个深度学习模型 因此，样本可能更适合于小型数据集.

在演讲的第二部分，我将简要地描述 德克萨斯州立大学计算机科学博士课程和资助的机会 博士职位.

生物

安妮·H.H. Ngu目前是该系的教授和博士项目主任 他是德克萨斯州立大学计算机科学专业的教授. 1992年至2000年，她担任高级研究员 新南威尔士州大学计算机科学与工程学院讲师 威尔士,澳大利亚.  她曾在Telcordia担任研究科学家/学者的职位 Technologies; Lawrence Livermore National Laboratory, Microelectonics and Computer Technology (MCC); University of California, Berkeley; Commonwealth Scientific and 工业研究组织(CSIRO)，澳大利亚和蒂尔堡大学 荷兰. Ngu博士在期刊上发表了130多篇技术论文 计算机科学会议. 她的主要研究兴趣是大规模服务 信息发现与集成、物联网软件平台等 应用，科学工作流程，数据库和软件工程. 她的专业 服务在国际数据工程会议上担任关键领导角色 (ICDE)和Web信息系统工程会议(WISE).  她是个赢家 2013年我校本科生科研指导奖获得者. 

时间和地点

2022年2月22日下午1:30,ZOOM http://sjsu.zoom.us/j/86925918978?pwd=U1V6UDNnNi9jaDFMU2dDZS92bTNpUT09