تبدیل موجک گسسته برای شبکهٔ مولد تخاصمی به‌منظور شناسایی رانندگان با استفاده از حسگرهای ژیروسکوپ و شتاب‌سنج
«تبدیل موجک گسسته برای شبکهٔ مولد تخاصمی به‌منظور شناسایی رانندگان با استفاده از حسگرهای ژیروسکوپ و شتاب‌سنج»
منتشر شده است
نویسندگان: Rouhollah Ahmadian; Mehdi Ghatee; Johan Wahlström
در IEEE Sensors Journal جلد ؟، ؟، صفحات ؟.
چکیده:
شناسایی راننده یکی از حوزه‌های اصلی پژوهش در سامانه‌های حمل‌ونقل هوشمند است و در حمل‌ونقل تجاری بار و بیمهٔ مبتنی بر میزان استفاده کاربرد دارد. یکی از شیوه‌های شناسایی، استفاده از تلفن‌های هوشمند به‌عنوان ابزار اصلی حسگری است. پس از استخراج ویژگی از حسگرهای تعبیه‌شده در تلفن هوشمند، می‌توان از روش‌های مختلف یادگیری ماشین برای شناسایی راننده استفاده کرد. بااین‌حال، دقت معمولاً با افزایش تعداد رانندگان کاهش می‌یابد. این مقاله از شبکهٔ مولد تخاصمی (GAN) برای افزایش داده استفاده می‌کند تا به الگوریتمی برای شناسایی راننده دست یابد که با افزایش تعداد رانندگان نیز عملکرد بسیار خوبی داشته باشد. ازآنجاکه GAN داده‌های رانندگان را متنوع می‌کند، امکان اعمال الگوریتم شناسایی را بر تعداد بیشتری از رانندگان، بدون بیش‌برازش، فراهم می‌سازد. هرچند GANها معمولاً در پردازش تصویر برای افزایش داده‌های تصویری استفاده می‌شوند، کاربرد آن‌ها در افزایش سیگنال‌های رانندگی جدید است. بااین‌حال، آموزش GAN با سیگنال‌های خام رانندگی واگرا می‌شود. این چالش با اعمال تبدیل موجک گسسته (DWT) بر سیگنال‌های رانندگی پیش از ورود آن‌ها به GAN حل می‌شود. آزمایش‌های ما سودمندی مدل GAN را برای تولید سیگنال‌های رانندگی حاصل از اعمال DWT بر سیگنال‌های شتاب‌سنج و ژیروسکوپ تلفن‌های هوشمند نشان می‌دهند. پس از گردآوری داده‌های افزوده‌شده، هیستوگرام آن‌ها در پنجره‌های هم‌پوشان به روش‌های یادگیری ماشین زیر پوشش یک روش تعمیم انباشته (SGM) داده می‌شود. رویکرد ترکیبی پیشنهادی GAN-SGM رانندگان را با صحت 97%، دقت 98%، بازخوانی 97% و معیار F1 برابر با 97% شناسایی می‌کند و از روش‌های متداول یادگیری ماشین که از ویژگی‌های استخراج‌شده با رویکردهای آماری، طیفی و زمانی استفاده می‌کنند، بهتر عمل می‌کند.
کلیدواژه‌ها:
- افزایش داده ,
- شناسایی راننده ,
- شبکهٔ مولد تخاصمی ,
- یادگیری تجمیعی ,
- حسگرهای تلفن هوشمند ,
- یادگیری انباشته
مشخصات نویسندگان:
دانشجوی دکتری گروه ریاضی و علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، 15875-4413، ایران.
دانشیار گروه ریاضی و علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، 15875-4413، ایران.
استادیار گروه علوم کامپیوتر، دانشگاه اکستر، اکستر، EX4 4QF، بریتانیا.