English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Notre article decrit les resultats de travaux utilisant l'information de localisation afin de reconnaitre les activites domestiques. Nous explorons l'utilisation de l'apprentissage supervise pour reconnaitre les activites situees dans la banque de donnees du projet Opportunity, couple a une phase de fusion de decision. Nos resultats montrent que l'utilisation d'information de localisation permet une diminution substantielle du taux d'erreur ainsi que du cout de calcul de la reconnaissance d'activite par rapport aux approches classiques, pour lesquelles tous les capteurs sont utilises et toutes les activites sont possibles. L'utilisation de l'information de localisation pour controler le processus de reconnaissance permet d'obtenir un score F1 de 92:70% ± 1:26%, et requiert seulement 73 millisecondes of temps de traitement par activite. Ces resultats montrent qu'organiser la reconnaissance d'activite autour d'un modele de contexte base sur la localisation permet le passage a l'echelle de services sensibles au contexte d'activite dans les environnements domestiques.

Fusion de décisions par lieu pour reconnaître l’Activité Humaine et sa prise en compte dans la gestion de contexte