Beres ,escu Mihai-Cristian [628532]

UNIVERSITATEA DE MEDICIN ˘A, FARMACIE,
S,TIINT ,E S,I TEHNOLOGIE DIN T ˆARGU MURES ¸
FACULTATEA DE INGINERIE
PROGRAMUL DE STUDII: INFORMATIC ˘A
Coordonator s ,tiint ,ific:
Lector Dr. Lefkovits SzidoniaAbsolvent: [anonimizat] ,escu Mihai-Cristian
TˆARGU MURES ¸
2020
LUCRARE DE LICENT ,A

UNIVERSITATEA DE MEDICIN ˘A, FARMACIE,
S,TIINT ,E S,I TEHNOLOGIE DIN T ˆARGU MURES ¸
FACULTATEA DE INGINERIE
PROGRAMUL DE STUDII: INFORMATIC ˘A
Coordonator s ,tiint ,ific:
Lector Dr. Lefkovits SzidoniaAbsolvent: [anonimizat] ,escu Mihai-Cristian
TˆARGU MURES ¸
2020
SISTEM DE DETECTARE A C ADERILOR
BAZATE PE UN SISTEM MOBIL

Cuprins
1 Introducere 2
1.1 Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Tematica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Obiectiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 Stadiul actual al aplicat ,iilor de c ˘adere al dispozitivelor mobile . 4
1.2 Aspecte tehnologice si teoretice . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Android . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Inteligent ,˘a artificial ˘a . . . . . . . . . . . . . . . . . . . . . . . 13

1

Chapter 1
Introducere
1.1 Introducere
1.1.1 Tematica
ˆIn prezent, din ce ˆın ce mai multe persoane duc o viat ,˘a sedentar ˘a datorit ˘a facilit ˘at,ilor
oferite de evolut ,ia tehnologiei. De asemenea, este recunoscut faptul c ˘a insuficient ,a ac-
tivit˘at,ii fizice este unul din cei zece factori pentru mortalitatea global ˘a.Persoanele cu o
activitate fizic ˘a redus ˘a sunt supus ,i la un risc al mortalit ˘at,ii mai ridicat dec ˆat persoanele
care efectueaz ˘a cel put ,in 150 minute de activitate fizic ˘a s˘apt˘amˆanal. Un alt fenomen im-
portant este ˆımb˘atrˆanirea populat ,iei: acest fapt se datoreaz ˘a cres ,terii sperant ,ei de viat ,˘a,
cˆat s,i a sc ˘aderii sporului natural. C ˘aderile sunt un risc major asupra s ˘an˘at˘at,ii persoanelor
ˆın vˆarst˘a, care afecteaz ˘a calitatea viet ,ii acestora. ˆIn rˆandul acestora, c ˘aderile accidentale
sunt mult mai frecvente: 30 procente din populat ,ie cu o v ˆarst˘a de peste 65 de ani cad
cel put ,in o dat ˘a pe an; aceast ˘a proport ,ie cres ,te rapid ˆın funct ,ie de v ˆarst˘a [24]. ˆIn plus,
ˆın cazul persoanelor ˆın vˆarst˘a supuse c ˘aderilor, exist ˘a riscul de a nu exista posibilitatea
de a se ridica, rezult ˆandˆın spitalizare sau, mai r ˘au, deces [23]. Astfel, prin cercet ˘ari
ˆın recunoas ,terea activit ˘at,ilor de zi cu zi s ,i a c˘aderilor, se poate reduce gravitatea unei
c˘aderi, ˆın special ˆın cazul persoanelor ˆın vˆarst˘a. Detectarea c ˘aderilor de zi cu zi s ,i a
c˘aderilor sunt, ˆın principiu, deduse prin analizarea datelor senzorilor, precum camera
video, accelerometru, giroscop, magnetometru s ,i barometru [16].
2

Figura 1. 1.1: Procentajul de seniori care au perceput un risc de c ˘adere dup ˘a sex s ,i
vˆarst˘a
Surs˘a:[4]
1.1.2 Obiectiv
Scopul de baz ˘a al lucr ˘arii este implementarea unei aplicat ,ii capabile de a detecta
c˘aderile s ,i a le diferent ,ia de activit ˘at,ile de zi cu zi. Pentru a dezvolta o astfel de aplicat ,ie,
sunt necesare ˆındeplinirea urm ˘atoarelor criterii:
Colectarea unui set de date a senzorilor existent ,iˆıntr-un telefon inteligent ce
cuprinde diferite posturi ˆın care o persoan ˘a poate c ˘adea.
Crearea unei ret ,ele neuronale bazat ˘a peˆınv˘at,are supervizat ˘a cu scopul de a prelua
t˘ariile neuronilor dup ˘aˆınv˘at,are.
Crearea unui server care se ocup ˘a de transmiterea datelor spre utilizatorii aplicat ,iei.
Implementarea unei aplicat ,ii mobile care, cu ajutorul accelerometrului, giroscop-
ului s ,i a magnetometrului s ˘a testeze statutul telefonului.
3

1.1.3 Stadiul actual al aplicat ,iilor de c ˘adere al dispozitivelor mobile
Pˆan˘aˆın momentul de fat ,˘a, exist ˘a dou ˘a metode principale de a detecta c ˘aderile:
1. Setarea unui prag limit ˘a pentru a detecta c ˘aderea
2. Inteligent ,˘a artificial ˘a (bazat ˘a peˆınv˘at,are supervizat ˘a)
Conform [4], majoritatea algoritmilor de detectare a c ˘aderilor sunt bazat ,i pe g ˘asirea unui
prag limit ˘a,ˆıns˘a algoritmii ce folosesc inteligent ,˘a artificial ˘a pot oferi o precizie mult mai
ridicat ˘a. Performant ,a general ˘a a cinci algoritmi de ˆınv˘at,are artificial ˘a a fost mai mare
decˆat performant ,a a cinci algoritmi pe baz ˘a de prag descris ,iˆın literatur ˘a de specialitate,
mas ,inile vector-suport (Support Vector Machine) oferind cea mai mare combinat ,ie de
sensibilitate s ,i specificitate.
Figura 1. 1.2: Compararea sensibilit ˘at,ii s,i specificit ˘at,iiˆıntre cinci algoritmi bazat ,i pe
prag s ,i cinci algoritmi de ˆınv˘at,are automat ˘a pentru a distinge c ˘aderile de activit ˘at,i zil-
nice.
Surs˘a:[4]
4

1.2 Aspecte tehnologice si teoretice
1.2.1 Android
Android este un sistem de operare pentru telefoanele mobile, acesta reg ˘asindu-se
ˆın aproximativ 2.5 miliarde de dispozitive mobile [25]. Android este dezvoltat de
o asociat ,ie de dezvoltatori, cunoscut sub numele de Open Handset Alliance s ,i spon-
sorizat ˘a de Google. Acesta a fost dezv ˘aluit lumii pentru prima dat ˘aˆın 2007, primul
dispozitiv Android cu scop comercial fiind lansat un an mai t ˆarziu, ˆın 2008.
Kotlin
Kotlin este un limbaj de programare cu inferent ,˘a de tip, ce poate fi folosit pe mai
multe platforme. Kotlin este proiectat s ˘a interopere pe deplin cu Java, iar versiunea JVM
a bibliotecii sale standard depinde de biblioteca Java Class, dar inferent ,a de tip permite
sintaxei s ˘a s˘a fie mai concis ˘a. [13]
Componentele fundamentale ale aplicat ,iilor Android
Componentele aplicat ,iei sunt, ˆın esent ,˘a, elementele vitale ale unei aplicat ,ii. Aceste
componente sunt cuplate aplicat ,iei ”AndroidManifest.xml”, care are rolul de a descrie
fiecare component ˘a s,i modul de interact ,iune.
ˆIn prezent, exist ˘a patru tipuri de astfel de componente ce se pot folosi ˆın aplicat ,iile
Android:
1. Activit ˘at,i
2. Servicii
3. Receptori de difuzare
4. Furnizori de cont ,inut
Componenta activitate reprezint ˘a un ecran al interfet ,ei de utilizare a aplicat ,iei Android.
ˆIn acest fel, o activitate Android este foarte asem ˘an˘atoare cu ferestrele ˆıntr-o aplicat ,ie
desktop. O aplicat ,ie Android poate cont ,ine una sau mai multe activit ˘at,i, adic ˘a unul
5

sau mai multe ecrane. Aplicat ,ia Android ˆıncepe prin afis ,area activit ˘at,ii principale, apoi
aplicat ,ia av ˆand posibilitatea de a deschide activit ˘at,i suplimentare.
Ciclul de viat ,˘a al unei activit ˘at,i Android Atunci c ˆand o aplicat ,ie Android este pornit ˘a
pentru prima dat ˘a, activitatea principal ˘a este creat ˘a. Activitatea trece apoi prin 3 st ˘ari
ˆınainte c ˘a acesta s ˘a fie gata s ˘a serveasc ˘a utilizatorul: Creat (Created), ˆınceput (Started)
s,i reluat (Resumed).
Figura 1. 1.1: Ciclul de viat ,˘a al unei activit ˘at,i
Surs˘a:[2]
Dac˘a activitatea principal ˘a poate deschide orice alte activit ˘at,i (ecrane), aceste ac-
tivit˘at,i vor trece prin aceleas ,i 3 st ˘ari la deschiderea lor.
Dac˘a o activitate X deschide o alt ˘a activitate Y , atunci activitatea X va fi ˆıntrerupt ˘a,
ceea ce inseamn ˘a c˘a activitatea X va trece ˆın starea de pauz ˘a (onPause). ˆIn momentul
ˆın care utilizatorul apas ˘a pe butonul care ˆıl redirect ,ioneaz ˘aˆınapoi s ,i revine la activitatea
X, activitatea X revine la starea reluat ˘a (onResume).
Dac˘a utilizatorul revine la ecranul init ,ial al dispozitivului Android, toate activit ˘at,ile
vor fi ˆıntrerupte s ,i apoi oprite. Dac ˘a utilizatorul revine apoi la aplicat ,ie, activit ˘at,ile vor
trece prin st ˘arile ˆıncepute s ,i apoi reluate.
St˘arile unei activit ˘at,i urmeaz ˘aˆıntotdeauna s ˘aget ,ile din diagram ˘a de mai sus. O ac-
tivitate nu poate s ˘ari de la creat la reluat direct. O activitate va trece ˆıntotdeauna prin
6

creare, ˆıncepere s ,i reluare ˆın exact aceast ˘a secvent ,˘a. O activitate se poate schimba de la
reluat la pauz ˘a de la spate s ,i de la pauz ˘a la oprit s ,iˆınapoi la ˆınceput, dar niciodat ˘a de la
oprit direct la reluat.
Toate activit ˘at,ile din aplicat ,iile Android sunt reprezentate de o clas ˘a de activit ˘at,i.
Aceste clase de activit ˘at,i sunt subclase ale clasei android.app.Activity. Clasa de ac-
tivit˘at,i cont ,ine un set de metode care corespunde ciclului de viat ,˘a,ˆın care o activitate
poate fi. Aceste metode sunt urm ˘atoarele:
onCreate() – la crearea activit ˘at,ii, activitatea intr ˘a in acest stadiu. ˆIn aceast ˘a
metod ˘a, ar trebui s ˘a se efectueze operat ,ii care se ˆıntampl ˘a o singur ˘a dat ˘a pe durata
activit ˘at,ii
onStart() – aceast ˘a metod ˘a face ca aplicat ,ia s˘a fie vizibil ˘a utilizatorului (acvtivi-
tatea devine interactiv ˘a)
onRestart() – ˆın cazul ˆın care aplicat ,ia revine la activitate, se apeleaza aceast ˘a
metod ˘a
onResume() – ˆın momentul ˆın care activitatea intr ˘aˆın aceast ˘a stare, aceasta vine ˆın
prim-plan, urm ˆand ca sistemul s ˘a apeleze onResume(). Aplicat ,ia r˘amˆaneˆın starea
reluat ˘a pˆan˘aˆın momentul ˆın care un alt eveniment devine ˆın prim-plan.
onPause() – aceast ˘a metod ˘a se apeleaza la momentul ies ,irii din activitate
onStop() – c ˆand activitatea nu mai este vizibil ˘a utilizatorului, sistemul apeleaz ˘a
aceast ˘a metod ˘a.
onDestroy() – aceast ˘a metod ˘a este apelat ˘aˆınaintea distrugerii unei activit ˘at,i. on-
Destroy() poate fi apelat ˘a cˆand activitatea se termin ˘a sau apare o schimbare a
configur ˘arii (precum rotirea dispozitivului). [2]
Cˆand activitatea trebuie s ˘a treac ˘a la una dintre st ˘arile ciclului de viat ,˘a, metoda ciclului de
viat ,˘a corespunz ˘atoare este apelat ˘a la instant ,a subclasei Activitate. C ˆand metoda ciclului
de viat ,˘a termin ˘a, se presupune c ˘a activitatea se afl ˘aˆın noua stare a ciclului de viat ,˘a.
De exemplu, odat ˘a cu revenirea metodei ciclului de viat ,˘a onCreate(), se presupune c ˘a
activitatea este ˆın starea creat ˘a.
Unserviciu este o component ˘a cu scop general pentru ment ,inerea unei aplicat ,ii care
ruleaz ˘aˆın fundal pentru a efectua operat ,iuni pe termen lung sau pentru a efectua lucr ˘ari
pentru procesele de la distant ,˘a. Un serviciu nu ofer ˘a o interfat ,˘a de utilizator. Ciclul de
viat ,˘a al unui serviciu este definit de dou ˘a st˘ari:ˆınceput (Started) s ,i legat (Bound).
7

Figura 1. 1.2: Ciclul de viat ,˘a al unui serviciu
Surs˘a:[21]
Unreceptor de transmisie reprezint ˘a o component ˘a Android care permite ˆınregistrarea
evenimentelor at ˆat ale aplicat ,iei, c ˆat s ,i a sistemului. Dac ˘a exist ˘a mai mult ,i receptori
pentru un eveniment, tot ,i aces ,tia vor fi notificat ,iˆın momentul ˆın care evenimentul se
ˆıntˆampl ˘a.
Ciclul de viat ,˘a al unui receptor de transmisie se termin ˘aˆın momentul ˆın care funct ,ia
de preluare a notific ˘arii (onReceive()) se ˆıncheie.
Unfurnizor de cont ,inutofer˘a accesul la date ˆıntre diferite aplicat ,ii Android. Acesta
ˆıncapsuleaz ˘a datele s ,i ofer ˘a un mecanism de definire a securit ˘at,ii datelor. Rolul principal
al acestuia este de a partaja date ˆıntre aplicat ,ii.
8

Figura 1. 1.3: Diagram ˘a ilustrativ ˘a a modului ˆın care se
administreaz ˘a accesul la spat ,iu de c ˘atre un furnizor de cont ,inut
Surs˘a:[7]
Senzori ˆın Android
ˆIn prezent, majoritatea dispozitivelor Android au integrate divers ,i senzori, cu rol ˆın
m˘asurarea mis ,c˘arii, orient ˘arii s ,i a anumitor condit ,ii a mediului ˆınconjur ˘ator. Senzorii
integrat ,i sunt capabili de a m ˘asur˘a cu precizie factorii necesari, astfel aces ,tia devenind
foarte utili ˆın cazul ˆın care se dores ,te monitorizarea pozit ,iei dispozitivului ˆın spat ,iul
tridimensional sau vitez ˘a acestuia. Platforma Android suport ˘a trei categorii generale de
senzori [20]:
1. Senzori de mis ,care – Monitorizeaz ˘a accelerat ,ia s ,i rotat ,ia dispozitivului ˆın spat ,iul
tridimensional.
2. Senzori de mediu – M ˘asoar ˘a anumit ,i parametrii ai mediului, precum temperatura,
presiunea, umiditatea s ,i iluminarea
3. Senzori de pozit ,ie – M ˘asoar ˘a pozit ,ia unui dispozitiv. Aceast ˘a categorie este definit ˘a
de magnetometru s ,i senzori de orientare
9

Figura 1. 1.4: Tipurile de senzori suportat ,i de platforma Android
Surs˘a:[20]
Accelerometru
Accelerometrul reprezint ˘a dispozitivul electromecanic utilizat pentru a m ˘asura fort ,ele
de accelerat ,ie, unde accelerat ,ia este variat ,ia c˘a m˘arime s ,i direct ,ie a vectorului vitez ˘a.
Aceste fort ,e sunt de dou ˘a tipuri: statice s ,i dinamice. Prin fort ,˘a static ˘a seˆınt,elege fort ,˘a
aplicat ˘a asupra dispozitivului care nu se schimb ˘aˆın m˘arime, pozit ,ie sau direct ,ie, un ex-
emplu elocvent fiind fort ,a gravitat ,ional ˘a. Prin urmare, fort ,ele dinamice sunt reprezen-
tate de fort ,ele ce ˆıs,i schimb ˘a cel put ,in una din cele trei caracteristici. [1] Cel mai comun
10

Figura 1. 1.5: Accelerometru
Surs˘a:[7]
mod de funct ,ionare a unui accelerometru este prin efectul piezoelectric. Efectul piezo-
electric reprezint ˘a abilitatea anumitor entit ˘at,i de a genera o sarcin ˘a electric ˘a c˘a r˘aspuns
la efortul mecanic aplicat. Cuv ˆantul piezoelectric provine din greac ˘a, form ˘a origi-
nal˘a fiind ”piezein”, care ˆınseamn ˘a strˆangere sau ap ˘asare, s ,i piezo, care este ˆınseamn ˘a
”ˆımpingere”.
Figura 1. 1.6: Efectul piezoelectric
Surs˘a:[22]
11

Giroscop
Giroscopul este dispozitivul care utilizeaz ˘a gravitat ,ia P˘amˆantului pentru determinarea
orient ˘arii. Acesta este alc ˘atuit dintr-un disc care se rotes ,te, care poart ˘a denumirea de
rotor, s ,i este montat pe o ax ˘a ce se ˆınvˆarte, ˆın centrul unei rot ,i mai mari s ,i mai sta-
bile. Pe m ˘asur˘a ce axa se ˆınvˆarte, rotorul r ˘amˆaneˆın repaus pentru a arat ˘a tract ,iunea
gravitat ,ional ˘a central ˘a s,i astfel direct ,ia c˘arei cai este orientat ˘aˆın jos.
Figura 1. 1.7: Giroscop
Surs˘a:[11]
Magnetometru
Conform [5], magnetometrul este instrumentul care are c ˘a scop m ˘asurarea rezistent ,ei
s,i orient ˘arii(direct ,iei) c ˆampului magnetic din vecin ˘atatea acestuia. Magnetismul difer ˘a
ˆın funct ,ie de locat ,ie din cauza naturii diferite a rocilor s ,i de interact ,iunea dintre partic-
ulele ˆınc˘arcate de soare s ,i magnetosfera planetei, care au c ˘a efect schimbarea c ˆampului
magnetic al P ˘amˆantului. Magnetometrele sunt folosite ˆın mai multe domenii, prin-
cipalele fiind sondajele geofizice, detectarea anomaliilor magnetice iar ˆın cazul unei
aeronave, acestea sunt folosite pentru a indic ˘a direct ,ia. Mecanismul de funct ,ionare
const ˘aˆın efectul Hall [12], care detecteaz ˘a cˆampul magnetic al P ˘amˆantului ˆıntr-un
spat ,iu tridimensional. Magnetometrul produce o tensiune proport ,ional ˘a cu puterea s ,i
polaritatea c ˆampului magnetic de-a lungul axei pe care este direct ,ionat fiecare senzor.
Tensiunea perceput ˘a este convertit ˘aˆın semnal digital reprezent ˆand intensitatea c ˆampului
magnetic.
12

Figura 1. 1.8: magnetometru folosit ˆıntr-o aeronava
Surs˘a:[11]
Figura 1. 1.9: Modul de funct ,ionare al magnetometrului
Surs˘a:[11]
1.2.2 Inteligent ,˘a artificial ˘a
Not ,iuni de baz ˘a. Neuronul. Ret ,ea neuronal ˘a
Inteligent ,a artificial ˘a reprezint ˘a simularea inteligent ,ei umane a mas ,inilor, care sunt
programate s ˘a gˆandeasc ˘a precum oamenii s ,i s˘a imite act ,iunile lor.
13

Caracteristica de baz ˘a a inteligent ,ei artificiale este de a rat ,ionaliza s ,i de a lua act ,iuni
care au cele mai mari s ,anse de a atinge obiectivul dorit.
Un sistem de inteligent ,˘a artificial ˘a are la baz ˘a 3 componente majore:
1. Reprezentarea cunos ,tiint ,elor s ,i a rat ,ionamentului – reprezint ˘a un domeniu al inteligent ,ei
artificiale care are ca scop convertirea informat ,iilor oferite de lume ˆıntr-o manier ˘a
ˆın care un calculator o poate interpreta.
2. G ˆandirea sau rat ,ionamentul reprezint ˘a abilitatea prin care se ajunge la rezolvarea
problemei. Acest domeniu mai are s ,i denumirea de planificare, deoarece, ˆın
esent ,˘a, cerint ,˘a este de a g ˘as,i cursul act ,iunilor a unui sistem de a ajunge la rezul-
tatul propus.
3.ˆInv˘at,area reprezint ˘a o form ˘a a inteligent ,ei artificiale care permite unui anumit
sistem s ˘aˆınvet ,e prin date, s ,i nu prin programare static ˘a, explicit ˘a.ˆIn prezent,
exist ˘a mai multe tipuri sau paradigme de ˆınv˘at,are care sunt folosite ˆın procesul de
ˆınv˘at,are:
(a)ˆInv˘at,area supervizat ˘a
(b)ˆInv˘at,area nesupervizat ˘a
(c)ˆInv˘at,area semisupervizat ˘a
(d)ˆInv˘at,area ˆınt˘arit˘a/consolidat ˘a (reinforcement learning)
(e)ˆInv˘at,area de sine
(f)ˆInv˘at,area caracteristicilor (feature learning)[15]
Neuronul este, din punct de vedere biologic, celul ˘a fundamental ˘a a sistemului nervos.
Acesta transmite informat ,ii spre alte celule nervoase sau mus ,chi. Majoritatea neuronilor
au un corp, un axon s ,i dendrite. Corpul acestora este format din nucleu s ,i citoplasm ˘a.
[18]
Din punct de vedere informatic, neuronul artificial este o funct ,ie matematic ˘a, care
a fost conceput din analogia cu neuronul biologic. Aces ,tia sunt elemente elementare
ˆın construirea unei ret ,ele neuronale. Un neuron artificial are una sau mai multe c ˘ai de
intrare, pe care le ˆınsumeaz ˘a, produc ˆand o valoare de ies ,ire. Fiecare m ˘arimi de intrare
este ponderat ˘a separat, iar suma este trecut ˘a printr-o funct ,ie numit ˘a funct ,ie de activare
sau funct ,ie de transfer [3].
Ret ,eaua neuronal ˘a este descris ˘a c˘a fiind ret ,ea de unit ˘at,i simple de procesare asem ˘an˘atoare
neuronilor care realizeaz ˘a colectiv calcule complexe. Ret ,elele neuronale sunt adesea
14

Figura 1. 1.10: Neuronul biologic
Surs˘a:[6]
organizate ˆın straturi, inclusiv un strat de intrare care prezint ˘a datele (de exemplu, o
imagine), straturi ascunse care transform ˘a datele ˆın reprezent ˘ari intermediare s ,i un strat
de ies ,ire care produce un r ˘aspuns (de exemplu, o act ,iune). Conexiunile recurente sunt
de asemenea populare atunci c ˆand se proceseaz ˘a secvent ,ial. date [14].
Figura 1. 1.11: Ret ,ea neuronal ˘a simpl ˘a, cu un strat de intrare, un strat ascuns s ,i un strat
de ies ,ire
Surs˘a:[17]
15

ˆIn cazul ˆın care unei ret ,ele neuronale i se adaug ˘a mai multe straturi ascunse, com-
plexitatea calculelor este mult mai ridicat ˘a. Prin aceast ˘a ad˘augare, ret ,eaua neuronal ˘a
define mai precis ˘a,ˆıns˘a s,i timpul de execut ,ie cres ,te semnificativ. Acest tip de ret ,ea se
numes ,te ret ,ea neuronal ˘a profund ˘a (deep neural network). Init ,ial, t˘ariile fiec ˘arei conex-
iuni a doi neuroni sunt alese aleatoriu, apoi aceste valori fiind actualizate de c ˘atre al-
goritm prin introducerea datelor ˆın ret ,eaua neuronal ˘a pˆan˘aˆın momentul ˆın care aceast ˘a
este optimizat ˘a corespunz ˘ator, ˆıntr-un mod de a nu se ajunge la supra-potrivire (overfit-
ting). Prin supra-potrivire se ˆınt,elege o eroare mic ˘a a datelor de antrenare, dar o eroare
mare ˆın cazul ˆın care noi date sunt introduse ˆın ret ,eaua neuronal ˘a. Cu alte cuvinte,
ret,eaua neuronal ˘a este capabil ˘a doar de prelucrarea corect ˘a a datelor existente ˆın datele
de antrenare.
Funct ,ii de activare
Cele mai utilizate funct ,ii sunt[10][19]:
1. funct ,ia liniar ˘a
f!R!R;f(x) =x (1.1)
Figura 1. 1.12: Funct ,ia liniar ˘a
Surs˘a:[6]
2. funct ,ia treapt ˘a
f!R!0;1;f(x) =(
1;x>=0
0;x<0(1.2)
16

Figura 1. 1.13: Funct ,ia treapt ˘a
Surs˘a:[6]
3. funct ,ia ramp ˘a
f!R![1;1];f(x) =8
>><
>>:1;x>=1
x;xn(1;1)
0;x<0(1.3)
Figura 1. 1.14: Funct ,ia ramp ˘a
Surs˘a:[6]
4. funct ,ia sigmoidal ˘a
f!R!(0;1);f(x) =1
1+ex(1.4)
17

Figura 1. 1.15: Funct ,ia sigmoidal ˘a
Surs˘a:[6]
5. funct ,ia tangent ˘a hiperbolic ˘a
f!R!(1;1);f(x) =tanh(x) =
exex
ex+ex(1.5)
Figura 1. 1.16: Funct ,ia tangent ˘a hiperbolic ˘a
Surs˘a:[6]
6. funct ,ia signum
f!R! 1;1;f(x) =(
1;x>=0
1;x<0(1.6)
[10]
18

Figura 1. 1.17: Funct ,ia signum
Surs˘a:[6]
Overfitting
Pentru a evita supra-potrivirea ˆıntr-o ret ,ea neuronal ˘a, se cunosc mai multe metode:
1. Simplificarea modelului. Aceast ˘a tehnic ˘a reprezint ˘a eliminarea unor straturi as-
cunse s ,i/sau a neuronilor.
2. Oprirea din timp a ret ,elei neuronal ˘a. Prin aceast ˘a metod ˘a, se ˆınt,elege oprirea
ˆınv˘at,˘ariiˆın momentul ˆın care ret ,eaua neuronal ˘a a ajuns ˆın punctul ˆın care eroarea
este minim ˘a.
Figura 1. 1.18: Oprirea din timp a ret ,elei neuronale
Surs˘a:[9]
19

3. Augmentarea datelor. Augmentarea datelor este procesul de cres ,tere a datelor din
setul de intrare. Spre exemplu, o ret ,ea neuronal ˘a care primes ,te c˘a date imagini,
poate fi augmentat ˘a prin ad ˘augarea imaginilor init ,iale, ˆıns˘a prin a le cres ,te lumi-
nozitatea, prin a le mari sau a le transpune ˆın alt ˘a pozit ,ie.
4. Renunt ,area/abandonarea unor anumit ,i neuroni (dropouts). Acest procedeu pre-
supune modificarea ret ,elei neuronale, ret ,eaua abandon ˆand neuroni aleatoriu la
fiecare iteratie.
Figura 1. 1.19: Abandonarea la anumit ,i neuroni
Surs˘a:[17]
Figura 1. 1.20: Ret ,ea neuronal ˘a profund ˘a
Surs˘a:[8]
20

ˆInv˘at,are supervizat ˘a.ˆInv˘at,are nesupervizata
ˆIn aceast ˘a figura, se poate observa modul de operare direct (feedforward) [10]. ˆIntr-o
ret,eaˆın care propagarea se face ˆınapoi (backpropagation), erorile calculate sunt trans-
mise c ˘atre straturile ascunse, t ˘ariile neuronilor fiind ajustate pentru a reduce eroarea.
ˆInv˘at,area supervizat ˘a reprezint ˘a un tip de ˆınv˘at,areˆın care se cunoas ,te rezultatul dorit,
datele de ˆınv˘at,are constituind o pereche format ˘a din date de intrare s ,i date de ies ,ire. O
astfel de ˆınv˘at,are este folosit ˘a pentru a prezice sau deduce rezultatele pentru date sau
evenimente care nu au fost ˆınc˘aˆınv˘at,ate.
ˆInv˘at,area nesupervizata este o tehnic ˘a de ˆınv˘at,are a inteligent ,ei artificiale care pre-
supune g ˘asirea modelelor s ,i a caracteristicilor nedetectate anterior. Prin urmare, acest
tip de ˆınv˘at,are nu depinde de o pereche de tip intrare-ies ,ire, ci strict de datele de intrare.
21

Bibliografie
[1] Acceleration .URL:https://en.wikipedia.org/wiki/Acceleration .
[2] Activity cycle .URL:http://tutorials.jenkov.com/android/activity.
html (visited on 05/25/2020).
[3] Artificial neuron .
[4] Omar Aziz et al. “A comparison of accuracy of fall detection algorithms (threshold-
based vs. machine learning) using waist-mounted tri-axial accelerometer signals
from a comprehensive set of falls and non-fall trials”. In: Medical Biological
Engineering Computing 55 (Apr. 2016). DOI:10.1007/s11517-016-1504-y .
[5] Yong Bai and Qiang Bai. “Subsea Engineering Handbook”. In: Subsea Engi-
neering Handbook (Jan. 2010).
[6] Biologic neuron .URL:https://medicalxpress.com/news/2018- 07-
neuron-axons-spindly-theyre-optimizing.html .
[7] Content provider .URL:https://developer.android.com/guide/topics/
providers/content-providers (visited on 05/25/2020).
[8] Deep learning .URL:https://www.semanticscholar.org/paper/Deep-
learning- with- convolutional- neural- network- for- Wang- Fey/
91fed290d898235d4121627e4f4e2c92134b694c / figure / 2 (visited on
05/25/2020).
[9] Early stopping .URL:https://mc.ai/early-stopping-with-pytorch-to-
restrain-your-model-from-overfitting/ .
[10] Calin Enachescu. Calculul neuronal . 2008.
[11] Gyroscope .URL:https://en.wikipedia.org/wiki/Gyroscope .
22

[12] Hall effect Magnetometer .URL:http://wikid.io.tudelft.nl/WikID/
index.php/Hall_effect_Magnetometer .
[13] Kotlin (programming language) .URL:https://en.wikipedia.org/wiki/
Kotlin_(programming_language) (visited on 05/23/2020).
[14] Brenden M. Lake et al. Building Machines That Learn and Think Like People .
2016. arXiv: 1604.00289 [cs.AI] .
[15] Machine Learning .URL:https://en.wikipedia.org/wiki/Artificial_
intelligence#Learning (visited on 05/25/2020).
[16] Muhammad Mubashir, Ling Shao, and Luke Seed. “A survey on fall detection:
Principles and approaches”. English. In: Neurocomputing 100 (Jan. 2013). Pub-
lished online 7-5-2012, pp. 144–152. ISSN : 0925-2312. DOI:10 . 1016 / j .
neucom.2011.09.037 .
[17] Neural networks .URL:https://developer.oracle.com/databases/
neural-network-machine-learning.html .
[18] Neuron .URL:https://en.wikipedia.org/wiki/Neuron .
[19] Neuron .URL:https : / / missinglink . ai / guides / neural – network –
concepts/7-types-neural-network-activation-functions-right/ .
[20] Sensors overview .URL:https://developer.android.com/guide/topics/
sensors/sensors_overview (visited on 05/25/2020).
[21] Service cycle .URL:https://www.javatpoint.com/android-service-
tutorial (visited on 05/25/2020).
[22] The piezoelectric effect .URL:https://www.electronicdesign.com/power-
management/article/21801833/what-is-the-piezoelectric-effect .
[23] ME Tinetti, WL Liu, and EB Claus. “Predictors and prognosis of inability to
get up after falls among elderly persons”. In: JAMA 269.1 (Jan. 1993), pp. 65–
70. ISSN : 0098-7484. DOI:10.1001/jama.1993.03500010075035 .URL:
https://doi.org/10.1001/jama.1993.03500010075035 .
23

[24] A Tromp et al. “Fall-risk screening test: A prospective study on predictors for
falls in community-dwelling elderly”. In: Journal of clinical epidemiology 54
(Sept. 2001), pp. 837–44.
[25] What is android .URL:https://www.android.com/what-is-android/ .
24