Εκτίμηση ικανότητας χειριστή με χρήση μηχανικής μάθησης

Αλεξάκος, Σπυρίδων

Assessment of operator competence using machine learning

Διπλωματική εργασία

Author

Αλεξάκος, Σπυρίδων

Date

2021-11-15

Advisor

Nikolaou, Grigoris

Alexakos_46294.pdf (1.463Mb)

Δήλωση Συγγραφέα_Alexakos_46294.pdf (358.0Kb)

Keywords

Βαθιά νευρωνικά δίκτυα ; Long short-term memory στρώματα ; Χρονικές σειρές ; Πρόβλεψη κατάστασης χειριστή ; Μηχανική μάθηση

Abstract

Στην παρούσα διπλωματική εργασία , αναπτύσσουμε μια αρχιτεκτονική βαθιού νευρωνικού δικτύου με long sort-term memory στρώματα για να προβλέψουμε την κατάσταση που βρίσκεται ο χειριστής. Η είσοδος στο μοντέλο μας είναι μετρήσεις που πάρθηκαν μέσα από βίντεο πολλαπλών χειριστών σε πολλαπλές καταστάσεις. Αναλύουμε τα δεδομένα μας με χρονικές σειρές αφού τα δεδομένα μας παίρνονται από κάθε καρέ από κάθε βίντεο αλλά και για επωφεληθούμε επίσης από τα long short-term memory στρώματα Όσο αφορά την αξιολόγηση του μοντέλου, για μέτρο αξιολόγησης χρησιμοποιούμαι την poisson. Σύμφωνα με τα αποτελέσματα παρατηρούμαι ότι το μοντέλο μας κάνει καλή δουλειά στην εκτίμηση της ικανότητας του χειριστή.

Abstract

In this bachelor’s thesis, we develop a deep neural network architecture with long short-term memory layers so we could predict the state of an operator. Our model’s input is measurements taken through videos of multiple operators in multiple states. We analyze our data in time series since our data came from each frame of each video and also to benefit from the long short-term memory layers. As for our model’s evaluation, we used poisson for evaluation metric. Based on our results we notice that our model does a good job in assessing the ability of the operator