Recognizing physical contexts of mobile video learners via smartphone sensors

مطالعات کنونی می تواند به طور مؤثر چندین فعالیت انسانی را در یک زمینه معنایی به رسمیت شناخته، اما معنای یک فعالیت واحد را در زمینه های مختلف به رسمیت نمی شناسد. چالش اصلی این است که کاربردهای متضاد تلفنی و همچنین نیازهای ویژه مصرف انرژی. این مقاله یک سناریوی یادگیری کلاسی را در مورد مشاهده ویدئوهای موبایل مورد آزمایش قرار می دهد و روش تشخیص پیشنهادی را با جامع بودن دقت شناختی، اثربخشی و مصرف انرژی در نظر می گیرد. خواندن چهار سنسور به خوبی انتخاب شده جمع آوری شده و طیف گسترده ای از الگوریتم های یادگیری ماشین بررسی می شود. نتایج نشان می دهد که ترکیبی از سنسورهای شتاب سنج، نور و صدا بهتر از سنسورهای شتاب، نور و ژیروسکوپ است، ویژگی های مربوط به طیف انرژی، دقت تشخیص را بهبود نمی بخشد و سیستم در چند دقیقه به قدرت می رسد. روش پیشنهادی ساده، موثر و عملی در کاربرد واقعی یادگیری فراگیر است.