|
|
Vorlesungsverzeichnis >> Medizinische Fakultät (Med) >>
|
Sensor Data Compression and Power Management for Activity Recognition- Dozentinnen/Dozenten
- Prof. Dr. Oliver Amft, Giovanni Schiboni, M. Sc.
- Angaben
- Seminar
4 SWS, benoteter Schein, Anwesenheitspflicht, ECTS-Studium, ECTS-Credits: 5, Sprache Englisch
Zeit und Ort: n.V.; Bemerkung zu Zeit und Ort: First meeting (24.04.2019, 17:00 - 18:30) and seminar held at MVC, Henkestr. 91, 1. Floor, R 373
- ECTS-Informationen:
- Credits: 5
- Prerequisites
- Useful knowledge:
Python programming, machine learning basics
- Contents
- Seminar description:
The aim of the project is to design an energy-efficient context-aware strategy for activity recognition using sparse sampling and sensor data compression. Prototyping will be done in Python. Evaluation will be performed on free-living dataset and benchmarked in terms of energy/memory savings, time constraints and quality of information retrieved. Machine learning techniques will be applied for pattern recognition.
Learning Objectives:
Gain overview on the state-of-the-art of software-based sparse sampling and signal compression for wearable devices.
Learn concepts of data compression.
Learn concepts of sparse sampling.
- Literature
- Up-to-date literature recommendations are provided during the lectures.
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 10, Maximale Teilnehmerzahl: 20
www: https://www.cdh.med.fau.de/2019/03/05/seminar-sensor-data-compression-and-power-management-for-activity-recognition/
Für diese Lehrveranstaltung ist eine Anmeldung erforderlich.
Die Anmeldung erfolgt von Dienstag, 2.4.2019 bis Donnerstag, 18.4.2019 über: StudOn.
- Institution: Lehrstuhl für Digital Health
|
 |
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|