فاطمه سادات لسانی

فاطمه سادات لسانی

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲ مورد از کل ۲ مورد.
۱.

A Review on Transformer-Based Methods for Human Activity Recognition(مقاله علمی وزارت علوم)

تعداد بازدید : ۱۶ تعداد دانلود : ۱۶
With the expansion of smart homes, Human Activity Recognition (HAR) has become a key challenge in artificial intelligence, enhancing not only the comfort and safety of residents but also contributing to the development of applications such as healthcare and smart surveillance. The Transformer architecture, with its ability to model long-term dependencies and process data in parallel, has made significant advancements in recognizing human activities. In addition, its multi-head attention mechanism enables the analysis of complex input data by allowing the model to focus on different parts of the input simultaneously, capturing diverse relationships and dependencies within the data. This paper examines the application of Transformers in HAR and analyzes recent studies (since 2019). In addition to investigating innovative architectures, feature extraction methods, and accuracy improvements, it also discusses the challenges and future prospects of these models in recognizing human activities. Rapid advancements in deep learning and access to extensive datasets have made Transformers a key tool for improving the accuracy and efficiency of HAR systems in smart environments.
۲.

سیستم پیشنهاد دهنده زمینه آگاه برای انتخاب گوشی تلفن همراه با ترکیب روش های تصمیم گیری جبرانی و غیرجبرانی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: روش تحلیل سلسله مراتبی سیستم های پیشنهاددهنده زمینه آگاه انتخاب گوشی تلفن همراه روش غیرجبرانی حذفی

حوزه‌های تخصصی:
تعداد بازدید : ۷۸۹ تعداد دانلود : ۵۳۸
سیستم های پیشنهاد دهنده بر اساس علایق و نیازمندی های مشتری، کالاها و خدمات متناسب را به او پیشنهاد می دهند. استفاده از این سیستم ها زمان جست وجوی مشتری را کاهش داده و کیفیت انتخاب وی را بالا می برد. از طرفی، استفاده از اطلاعات زمینه آگاه در سیستم پیشنهاددهنده، مانند زمان و مکان خرید و عادات رفتاری کاربر به ارتقاء کیفیت و افزایش رضایتمندی مشتری کمک می کند. مشتری های مختلف علایق و نیازهای متفاوتی دارند. به همین دلیل، فاکتورهای مؤثر بر خرید در آن ها متفاوت است. کشف نیازهای مشتری بدون پرسش مستقیم از او و به وسیله پردازش اطلاعات زمینه ای، به افزایش کیفیت سیستم پیشنهاددهنده منجر می شود. در این مقاله، یک سیستم پیشنهاددهنده زمینه آگاه برای انتخاب گوشی تلفن همراه در گوشی های مجهز به سیستم عامل اندروید طراحی و پیاده سازی شده است. این سیستم با استفاده از حسگرهای گوشی تلفن همراه کاربر اطلاعات زمینه ای او را استخراج می کند. سپس، با استفاده از اطلاعات زمینه ایِ به دست آمده شاخص های غیرمؤثر بر خرید گوشی جدید را حذف می کند. در نهایت، درخت سلسله مراتبی شاخص ها را ایجاد کرده و با استفاده از اطلاعات کاربر و ماتریس مقایسات زوجی به وزن دهی شاخص های مؤثر می پردازد. در نهایت، گوشی مناسب فرد به او پیشنهاد داده می شود. این سیستم با ترکیب روش غیرجبرانی حذفی و روش جبرانی فرایند تحلیل سلسله مراتبی به انتخاب و پیشنهاد گوشی مناسب فرد می پردازد. در نهایت، سیستم پیشنهاددهنده زمینه آگاه در اختیار مشتریان گوشی تلفن همراه قرار گرفته و دو فاکتور رضایت از نتایج پیشنهادات و رضایت از رابط کاربری مورد ارزیابی قرار گرفته است. همچنین، یک پیشنهاددهنده سنتی و غیرزمینه آگاه نیز در اختیار آن ها قرار می گیرد تا این دو فاکتور در دو سیستم با هم مقایسه شود. در نهایت، نشان داده می شود که استفاده از اطلاعات زمینه ای، کیفیت پیشنهادات و رضایت مشتری را افزایش داده است. همچنین، به دلیل کاهش تعداد فاکتورهای مؤثر بر خرید و در نتیجه، کاهش تعداد مقایسات زوجی، رضایت مشتری از رابط کاربری را نیز اندکی افزایش داده است.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان