Prototipo funcional de una herramienta de inteligencia artificial para la detección de caídas mediante el uso de los sensores de un dispositivo móvil utilizando CRISP-DM

El presente proyecto de titulación aborda el diseño e implementación de un sistema de detección de caídas de dispositivos móviles utilizando algoritmos de aprendizaje automático y una aplicación móvil para la recolección de datos de sensores de movimiento. Este sistema tiene como objetivo proporcionar una solución efectiva y accesible para la detección temprana de caídas de dispositivos móviles, lo que permitiría prevenir posibles daños y mejorar la experiencia de usuario. La aplicación móvil, desarrollada en Android Studio, recolecta datos de los sensores de movimiento (acelerómetro y giroscopio) de dispositivos móviles y los envía a una base de datos en Firebase. Se recolectan dos muestras por segundo de los tres ejes del acelerómetro durante cinco segundos y se almacenan para su posterior análisis. La aplicación permite la recolección de datos en tiempo real y se utilizó en la fase de desarrollo del proyecto. Se utilizó TensorFlow y Keras para desarrollar una red neuronal artificial que fue entrenada con los datos recolectados. Posteriormente, se exportó el modelo utilizando TensorFlow.js para ser implementado en una página web desarrollada con React. Esta página permite visualizar en tiempo real los resultados de las predicciones de caídas de dispositivos móviles

• Hlavní autor: Flores Flores, Bryan Stalin (author)
• Médium: bachelorThesis
• Vydáno: 2023
• Témata: Inteligencia artificial; aprendizaje automático (inteligencia artificial); aplicaciones móviles; sensores remotos; teléfonos celulares
• On-line přístup: https://repositorio.puce.edu.ec/handle/123456789/26934