مازیار آل آقا - گروه برق و مکاترونیک پردیس علوم و تحقیقات سمنان دانشگاه آزاد اسلامی سمنان ایران
وحید قدس - گروه برق و مکاترونیک واحد سمنان دانشگاه آزاد اسلامی سمنان ایران

کاربردتشخیص فعالیت بطور فزاینده ای دربرنامه های کاربردی بهداشت و درمان فعال و پیشگیرانه درخانه محیط های یادگیری سیستم های امنیتی و انواع رابطه های انسان و کامپیوتر رو به افزایش است دراین مقاله یک سیستم برای تشخیص فعالیت درمحیط خانه ای که دارای مجموعه ای ازسنسورهای سوئیچی و ابزار نمونه برداری تجربی اگاه ازمتن می باشد پیشنهاد و پیاده سازی شده است سیستم مذکور بااستفاده ازروشهای استخراج و انتخاب ویژگی ورودی های مناسبی را برای قسمت طبقه بند ایجاد می کند این ویژگیها طوری انتخاب میشوند تابیشترین تاثیر را درتشخیص فعالیت داشته و تاانجای یکه امکان دارد به کاهش حجم محاسبات کمک کنند دراین پژوهش ازسه نوع شبکه عصبی مصنوعی به عنوا ن طبقه بندی استفاده شده است و برخلاف کارهای گذشته درتشخیص فعالیت دراین پژوهش بدنبال ارایه راه حلی انلاین و باحجم محاسبات کمتر درتشخیص فعالیت هستیم نتایج بدست آمده نشان میدهد که سیستم پیشنهادی درصد موفقیت قابل توجهی درتشخیص فعالیت کسب کرده است

انتخاب ویژگی ، تشخیص فعالیت ، خانه هوشمند ، شبکه عصبی