Discrimination of cycling patterns using accelerometric data and deep learning techniques
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11150%2F21%3A10438922" target="_blank" >RIV/00216208:11150/21:10438922 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/70883521:28140/20:63526346 RIV/60461373:22340/20:43920990 RIV/68407700:21730/21:00347478 RIV/00179906:_____/21:10438922
Výsledek na webu
<a href="https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=YmEHK1T4HS" target="_blank" >https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=YmEHK1T4HS</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/s00521-020-05504-3" target="_blank" >10.1007/s00521-020-05504-3</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Discrimination of cycling patterns using accelerometric data and deep learning techniques
Popis výsledku v původním jazyce
The monitoring of physical activities and recognition of motion disorders belong to important diagnostical tools in neurology and rehabilitation. The goal of the present paper is in the cotribution to this topic by analysis of accelerometric signals recorded by wearable sensors located as specitifc body positions and by implementation of deep searning methods to classify signatl features.This paper uses the general methodology to analysis of accelerometric signals acquired during cycling at different routes followed by the global positioning system.
Název v anglickém jazyce
Discrimination of cycling patterns using accelerometric data and deep learning techniques
Popis výsledku anglicky
The monitoring of physical activities and recognition of motion disorders belong to important diagnostical tools in neurology and rehabilitation. The goal of the present paper is in the cotribution to this topic by analysis of accelerometric signals recorded by wearable sensors located as specitifc body positions and by implementation of deep searning methods to classify signatl features.This paper uses the general methodology to analysis of accelerometric signals acquired during cycling at different routes followed by the global positioning system.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
30103 - Neurosciences (including psychophysiology)
Návaznosti výsledku
Projekt
<a href="/cs/project/EF17_048%2F0007441" target="_blank" >EF17_048/0007441: PERSONMED - Centrum rozvoje personalizované medicíny u věkem podmíněných onemocnění</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Neural Computing and Applications
ISSN
0941-0643
e-ISSN
—
Svazek periodika
33
Číslo periodika v rámci svazku
13
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
11
Strana od-do
7603-7613
Kód UT WoS článku
000590534800007
EID výsledku v databázi Scopus
2-s2.0-85096301452