Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Automatic Processing and Automatic Social Behavior01:28

Automatic Processing and Automatic Social Behavior

Automatic processing refers to the cognitive operations that occur without conscious intent or awareness, playing a fundamental role in shaping social cognition and behavior. These processes enable individuals to navigate complex social environments efficiently by relying on mental shortcuts and pre-existing knowledge structures known as schemas. One of the most influential mechanisms underlying automatic processing is priming, which subtly activates mental representations through exposure to...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

An explainable hybrid deep learning framework for computational aesthetics, thematic mining, and sentiment analysis in english poetry.

Scientific reports·2026
Same author

Improving sign Language recognition system for assisting deaf and dumb people using pathfinder algorithm with representation learning model.

Scientific reports·2025
Same author

H2-antagonists in paclitaxel premedication: systematic review and meta-analysis.

BMJ supportive & palliative care·2025
Same author

Mitigating distributed denial of service attacks using attribute subset selection with temporal convolutional networks.

Scientific reports·2025
Same author

Intelligent feature fusion with dynamic graph convolutional recurrent network for robust object detection to assist individuals with disabilities in a smart Iot edge-cloud environment.

Scientific reports·2025
Same author

An enhanced social emotional recognition model using bidirectional gated recurrent unit and attention mechanism with advanced optimization algorithms.

Scientific reports·2025

Video Experimental Relacionado

Updated: May 10, 2026

Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment
06:49

Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment

Published on: December 11, 2015

9.0K

Sistema avanzado de reconocimiento inteligente de la actividad humana para personas con discapacidad que utiliza

Manal Abdullah Alohali1, Mohammed Yahya Alzahrani2, Asmaa Mansour Alghamdi3

  • 1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh, 11671, Saudi Arabia. maalohaly@pnu.edu.sa.

Scientific reports
|August 26, 2025
PubMed
Resumen

Este estudio presenta un reconocimiento inteligente avanzado de la actividad humana para personas con discapacidad que utiliza el aprendizaje profundo con un enfoque de optimización de serpientes (AHARDP-DLSO). El modelo AHARDP-DLSO logra una precisión del 95,81% en el reconocimiento de las actividades diarias de las personas con discapacidad.

Palabras clave:
Red de creencias profundasAprendizaje profundoPersonas con discapacidadReconocimiento de la actividad humanaAlgoritmo de optimización de la serpiente

Más Videos Relacionados

A Novel Single Animal Motor Function Tracking System Using Simple, Readily Available Software
08:22

A Novel Single Animal Motor Function Tracking System Using Simple, Readily Available Software

Published on: August 31, 2018

6.7K
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

4.1K

Videos de Experimentos Relacionados

Last Updated: May 10, 2026

Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment
06:49

Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment

Published on: December 11, 2015

9.0K
A Novel Single Animal Motor Function Tracking System Using Simple, Readily Available Software
08:22

A Novel Single Animal Motor Function Tracking System Using Simple, Readily Available Software

Published on: August 31, 2018

6.7K
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

4.1K

Área de la Ciencia:

  • Inteligencia artificial
  • Ingeniería biomédica
  • Ciencias de la computación

Sus antecedentes:

  • El reconocimiento de la actividad humana (HAR) es crucial para el cuidado de ancianos y los hogares inteligentes.
  • El envejecimiento disminuye la actividad física y el rendimiento de las tareas diarias, lo que afecta la salud.
  • La investigación limitada se centra en HAR para adultos mayores y personas con discapacidades.

Objetivo del estudio:

  • Introducir un reconocimiento inteligente avanzado de la actividad humana para personas con discapacidad utilizando el aprendizaje profundo con un enfoque de optimización de serpientes (AHARDP-DLSO).
  • Desarrollar un modelo eficiente basado en el aprendizaje profundo para detectar y clasificar las actividades diarias de las personas con discapacidad.
  • Lograr una alta precisión y adaptabilidad en HAR para la población objetivo.

Principales métodos:

  • Normalización de los datos mediante escalamiento mínimo-máximo.
  • Clasificación mediante una red de creencias profundas (DBN).
  • Optimización de hiperparámetros de DBN con el algoritmo de optimizador de serpiente (SOA).

Principales resultados:

  • El modelo AHARDP-DLSO demostró un rendimiento superior en el conjunto de datos WISDM.
  • Logró una alta precisión del 95,81% en el reconocimiento de actividades.
  • Superó a los modelos existentes de HAR en la validación experimental.

Conclusiones:

  • El enfoque AHARDP-DLSO ofrece una solución efectiva para el HAR en personas discapacitadas.
  • El aprendizaje profundo combinado con el optimizador de serpientes es prometedor para aplicaciones especializadas de HAR.
  • El modelo proporciona una base para tecnologías de asistencia mejoradas para las personas con discapacidad.