Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
We describe an activity recognition system capable of monitoring user activities in home environments. Activities are monitored by processing information from various sensors embedded in the environment that provide information pertinent to user's actions. We utilise the concept of self-organising object networks to gather and hierarchically process information related to user actions in a distributed manner. This information is then fed to the decision module which matches this information in the user's activity map in order to deduce user's activity. The decision module comprises a Bayesian network coupled with a rule-based engine which is used to provide accurate activity inference process.
A Bayesian Network and Rule-Base Approach Towards Activity Inference
Osmani, Venet;Balasubramaniam, Sasitharan;Botvich, Dmitri
2007
Abstract
We describe an activity recognition system capable of monitoring user activities in home environments. Activities are monitored by processing information from various sensors embedded in the environment that provide information pertinent to user's actions. We utilise the concept of self-organising object networks to gather and hierarchically process information related to user actions in a distributed manner. This information is then fed to the decision module which matches this information in the user's activity map in order to deduce user's activity. The decision module comprises a Bayesian network coupled with a rule-based engine which is used to provide accurate activity inference process.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11582/327788
Citazioni
ND
social impact
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2021-2023 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.