W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz plik Pobierz BibTeX

Tytuł

Application of Artificial Neural Networks in Fall Prediction

Autorzy

[ 1 ] Instytut Mechaniki Stosowanej, Wydział Inżynierii Mechanicznej, Politechnika Poznańska | [ P ] pracownik | [ SzD ] doktorant ze Szkoły Doktorskiej

Dyscyplina naukowa (Ustawa 2.0)

[2.9] Inżynieria mechaniczna

Rok publikacji

2021

Opublikowano w

Vibrations in Physical Systems

Rocznik: 2021 | Tom: vol. 32 | Numer: no. 2

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • fall detection
  • time series neural networks
  • motion capture
  • stability
Streszczenie

EN The problem of fall is still unsolved even though it is a serious problem, especially in group of elderly. Also, another difficulty is to analyse falls that occur in day-to-day life. Those events are hard to observe by specialists and so it is hard to analyse them. Following work contains a description of experimental process for external force-caused fall observation with the use of motion capture system and dynamometric platforms. Data collected according to this protocol were later used for time series neural networks. Obtained results of analysis were compared to popular model of human stability. Conducted inquiry proves that it is possible to detect fall even before it occurs and while it is external force-caused fall the loss of stability develops earlier than it was assumed.

Strony (od-do)

2021210-1 - 2021210-8

DOI

10.21008/j.0860-6897.2021.2.10

URL

https://vibsys.put.poznan.pl/_journal/2021-32-2/articles/vps_2021210.pdf

Uwagi

Article Number: 2021210

Typ licencji

CC BY (uznanie autorstwa)

Tryb otwartego dostępu

otwarte czasopismo

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Pełny tekst artykułu

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Punktacja Ministerstwa / czasopismo

70

Punktacja Ministerstwa / czasopismo w ewaluacji 2017-2021

70

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.