التنبؤ بالسلوك لشخص مسن يعيش في منزل ذكي باستخدام المتوسط المتحرك ونظام الاستدلال الضبابي القائم على الشبكة
Keywords:
التنبؤ بالسلوك البشري, EMWA, ANFIS , ADLAbstract
تهدف المنازل الذكية إلى تعزيز وتسهيل الحياة اليومية للأفراد وخاصة كبار السن منهم، وكذلك الأشخاص الذين يعانون من بعض الأمراض التي تعيق الحركة أو التفكير. إن هؤلاء الأشخاص سيستفيدون من التطور التقني في هذا المجال فهم الذين يتوقون إلى العيش بمفردهم في منازلهم واختياراتهم لترتيب معيشتهم بما يتناسب مع رغباتهم، مع توفير الرعاية الصحية التي يحتاجون إليها من خلال مراقبة حركتهم اليومية من قبل ذويهم أو المكلفين بمتابعتهم.
ففي هذا البحث تمت دراسة بيانات حقيقية متاحة من جامعة واشنطن دي سي، والتي تم تسجيلها للسلوك اليومي لعدد من كبار السن الذين يسكنون في منازل ذكية مجهزة بشبكة من المستشعرات قادرة على تسجيل الحركة اليومية لكل منهم. وذلك من أجل تسجيل بيانات أنماط السلوك والنشاط اليومي لكل منهم، وبناء على هذه البيانات فإنه يتم تحليل ونمذجة السلوك اليومي للشخص المعني وذلك لتحديد أنماط السلوك الطبيعي واكتشاف السلوك غير الطبيعي (العارض) والذي قد يكون مؤشرا على حدوث عرض طارئ لهذا الشخص مثل السقوط أو المرض. لقد تم في هذا البحث استخدام المتوسط المرجح المتحرك الأسي Exponential Moving Weighted Average EMWA)). ونظام الاستدلال الضبابي الشبكي Adaptive Neuro-Fuzzy Inference System (ANFIS) لتحليل البيانات وذلك من أجل تحديد أنماط السلوك اليومي وكذلك اكتشاف السلوك غير الطبيعي إن وجد. وبعد ذلك يتم استخدام هاتين التقنيتين للتنبؤ ببيانات السلوك القادم من خلال مقارنته بالبيانات المسجلة مسبقا عن سلوك نفس الشخص. إن نتائج البحث أظهرت قدرة الطرق المستخدمة فيه على التنبؤ بالسلوك اليومي وكذلك اكتشاف التغييرات في السلوك اليومي للمعني.
References
Connolly, D., Garvey, J., & McKee, G. (2017). Factors associated with ADL/IADL disability in community dwelling older adults in the Irish longitudinal study on ageing (TILDA). Disability and rehabilitation, 39(8), 809-816.
Kumar, P., Chauhan, S., & Awasthi, L. K. (2024). Human activity recognition (har) using deep learning: Review, methodologies, progress and future research directions. Archives of Computational Methods in Engineering, 31(1), 179-219.
Dhiman, C., & Vishwakarma, D. K. (2019). A review of state-of-the-art techniques for abnormal human activity recognition. Engineering Applications of Artificial Intelligence, 77, 21-45.
Diraco, G., Rescio, G., Siciliano, P., & Leone, A. (2023). Review on human action recognition in smart living: Sensing technology, multimodality, real-time processing, interoperability, and resource-constrained processing. Sensors, 23(11), 5281.
Kolkar, R., & Geetha, V. (2021, October). Human activity recognition in smart home using deep learning techniques. In 2021 13th International conference on information & communication technology and system (ICTS) (pp. 230-234). IEEE.
Xue, T., & Liu, H. (2021, July). Hidden Markov Model and its application in human activity recognition and fall detection: A review. In International conference in communications, signal processing, and systems (pp. 863-869). Singapore: Springer Singapore.
Deng, Q., & Söffker, D. (2021). A review of HMM-based approaches of driving behaviors recognition and prediction. IEEE Transactions on Intelligent Vehicles, 7(1), 21-31.
Roy, P. P., Kumar, P., & Kim, B. G. (2021). An efficient sign language recognition (SLR) system using Camshift tracker and hidden Markov model (hmm). SN Computer Science, 2(2), 79.
Lucey، P.، Cohn، J. F.، Kanade، T.، Saragih، J.، Ambadar، Z.، & Matthews، I. (2010). The Extended Cohn-Kanade Dataset (CK+): A complete dataset for action unit and emotion-specified expression. Computer Vision and Image Understanding، 114(1) ، 36-85.
Chouhayebi, H., Mahraz, M. A., Riffi, J., Tairi, H., & Alioua, N. (2024). Human Emotion Recognition Based on Spatio-Temporal Facial Features Using HOG-HOF and VGG-LSTM. Computers, 13(4), 101.
Kim، J.، Kim، H.، & Lee، K. M. (2012). Emotion recognition using a hybrid Gaussian mixture model and support vector machine. IEEE Transactions on Neural Networks and Learning Systems، 23(6) ، 942-951.
Bråthen، A.، et al. (2020). Forecasting the impact of COVID-19 on healthcare demand in Norway using an ARIMA model. BMC Medical Informatics and Decision Making، 20(1) ، 116.
Çoban، A.، & Göçer، M. K. (2017). Forecasting and analyzing the annual electricity consumption of Turkey using ARIMA and VARIMA models. Energies، 10(7) ، 936.
Saadatpour، P.، & Al-Sultan، S. K. S. (2014). Forecasting financial time series with ARIMA and GARCH models. Journal of Applied Statistics، 41(12) ، 2635-2650.
Baccouche، F. Mamalet، C. Wolf، and P. Garcia. (2011). "Human behavior recognition using spatiotemporal features and deep learning." IEEE Transactions on Image Processing، vol. 20، no. 3، pp. 695-704،.
Demrozi, F., Turetta, C., Machot, F. A., Pravadelli, G., & Kindt, P. H. (2023). A comprehensive review of automated data annotation techniques in human activity recognition. arXiv preprint arXiv:2307.05988.
Kılıç, Ş., Kaya, Y., & Askerbeyli, İ. (2021). A new approach for human recognition through wearable sensor signals. Arabian Journal for Science and Engineering, 46(4), 4175-4189.
Y. Chen، K. Lu، and D. Zhang، (2018). "Human behavior recognition using wearable sensors: A review،" IEEE Access، vol. 6، pp. 57،918-57،934.
Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. " O'Reilly Media, Inc.".
Cook، D.J.; Crandall، A.S.; Thomas، B.L.; Krishnan، N.C. (2012). CASAS: A smart home in a box. Computer, 46، 62–69.
Walia, N., Singh, H., & Sharma, A. (2015). ANFIS: Adaptive neuro-fuzzy inference system-a survey. International Journal of Computer Applications, 123(13).
Holt, Charles C. (2004). Forecasting seasonals and trends by exponentially weighted moving averages. International journal of forecasting. Elsevier, 20(1): 5–10.
Gardner Jr, E. S. (2006). Exponential smoothing: The state of the art—Part II. International journal of forecasting, 22(4), 637-666.
Elbayoudi, A., Lotfi, A., Langensiepen, C., & Appiah, K. (2017, June). Trend analysis techniques in forecasting human behaviour evolution. In Proceedings of the 10th International Conference on PErvasive Technologies Related to Assistive Environments (pp. 293-299).
Karaboga, D., & Kaya, E. (2019). Adaptive network based fuzzy inference system (ANFIS) training approaches: a comprehensive survey. Artificial Intelligence Review, 52, 2263-2293.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 أبوبكر محمد البيوضي، أيمن السنوسي أبوفناس
This work is licensed under a Creative Commons Attribution 4.0 International License.
