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 Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Los dispositivos moviles contienen diversos sensores con capacidad para enviar datos que se utilizan en la toma de decisiones, un ejemplo es la clasificacion de actividad fisica basada en el uso de acelerometros y giroscopios. Las senales de los sensores se procesaron previamente aplicando diferentes tecnicas que extrajeron un sinnumero de atributos, los cuales sirvieron para el desarrollo de tareas de clasificacion. La optimizacion de sistemas de clasificacion requirio la disminucion del numero de caracteristicas de entrada con la finalidad de sintetizar la dimension de su conjunto y tiempo de aprendizaje. Este articulo empleo metricas de ganancia de informacion para atributos continuos, que redujeron la incertidumbre y extrajeron unicamente aquellas caracteristicas mas significativas a traves de los datos procesados. El analisis de los resultados que se obtuvieron en la clasificacion de actividad fisica usando redes neuronales, mostraron no solamente la disminucion de caracteristicas, sino tambien un error por debajo del 5 % y la reduccion del tiempo de procesamiento en aproximadamente 55 %.

reci

Selección de características para atributos continuos en tareas de clasificación de actividad física / Features selection for continuous attributes in classification of physical activity tasks