Дослідження та порівняння методів глибокого багатозадачного навчання для класифікації рухів людини

Abstract

Мета роботи – дослідження та порівняння методів глибокого багатозадачного навчання для визначення доцільності використання даних методів у проблемах класифікації, зокрема, при застосуванні до часових рядів. Методи дослідження – аналіз технічної літератури та новісних досліджень в сфері глибокого навчання, експериментальний підбір архітектури та конфігурацій, аналіз результатів. У ході цієї роботі було порівняно три різні підходи, а саме жорсткий обмін параметрами, м’який обмін параметрами та гібридний підхід, на двох наборах даних у сфері розпізнавання людської діяльності та розпізнавання емоцій – OPPORTUNITY та DEAP. Було продемонстровано, що не кожен підхід є однаково корисним. Зокрема, спостерігалися переваги використання жорсткого обміну параметрами (HPS) на обох наборах даних і мережі пересічного зшивання (CSN) лише на одному наборі даних, а обраний підхід м’якого обміну параметрами (SPS) не є оптимальним для жодної з задач.