• فصل 1 مقدمه (16)
  • 1 - 1 - اهمیت و ضرورت موضوع پژوهش (16)
  • 1 - 2 - اهداف پژوهش (18)
  • 1 - 3 - ساختار گزارش (19)
• فصل 2 مفاهیم اولیه (21)
  • 2 - 1 - مقدمه (21)
  • 2 - 2 - بیماری پارکینسون (21)
  • 2 - 1 - حرکات درمانی در بیماری پارکینسون (22)
    • 2 - 1 - 1 - معرفی مجموعه حرکات درمانی LSVT-BIG (25)
    • 2 - 1 - 2 - معرفی مجموعه حرکات درمانی عملکردی (27)
  • 2 - 2 - سامانه پوشیدنی تشخیص فعالیت (28)
    • 2 - 2 - 1 - حسگرهای اینرسی (29)
    • 2 - 2 - 2 - حسگرهای به کار رفته در سامانه پوشیدنی (29)
  • 2 - 3 - انواع پیش‌پردازش داده‌ها (30)
    • 2 - 3 - 1 - تمیز کردن و نرمال‌سازی (30)
    • 2 - 3 - 2 - پنجره زنی (32)
    • 2 - 3 - 3 - متعادل کردن داده‌ها (33)
    • 2 - 3 - 4 - استخراج ویژگی (34)
  • 2 - 4 - ساختارهای مورد استفاده برای تشخیص فعالیت (34)
    • 2 - 4 - 1 - شبکه‌های پرسپترون چندلایه (35)
    • 2 - 4 - 2 - شبکه‌ عصبی پیچشی (CNN) (36)
      • 2 - 4 - 2 - 1 - لایه‌ی کانولوشن (Convolutional) (36)
      • 2 - 4 - 2 - 2 - لایه‌ی ادغام (Pooling) (37)
    • 2 - 4 - 3 - شبکه‌های بازگشتی (RNN) (37)
    • 2 - 4 - 4 - حافظه طولانی کوتاه-مدت (LSTM) (38)
    • 2 - 4 - 5 - واحد برگشتی دروازه‌ای (GRU) (39)
    • 2 - 4 - 6 - مکانیزم‌های خود توجه (self-attention mechanism) (40)
    • 2 - 4 - 7 - لایه‌ی تماماً متصل57F (42)
    • 2 - 4 - 8 - لایه softmax (42)
  • 2 - 5 - شبکه‌ مولد متخاصم (42)
  • 2 - 6 - شبکه خودرمزگذار (44)
  • 2 - 7 - یادگیری تقویتی (45)
    • 2 - 7 - 1 - یادگیری تقویتی بر پایه مدل (46)
    • 2 - 7 - 2 - یادگیری تقویتی بدون مدل (46)
    • 2 - 7 - 3 - یادگیری تقویتی عمیق (48)
• فصل 3 مرور ادبیات (50)
  • 3 - 1 - مقدمه (50)
  • 3 - 2 - تولید داده‌ (51)
    • 3 - 2 - 1 - شبکه‌های از پیش آموزش دیده88F (52)
    • 3 - 2 - 2 - آموزش مشترک90F (52)
    • 3 - 2 - 3 - یادگیری فعال91F (52)
    • 3 - 2 - 4 - داده افزایی93F (53)
    • 3 - 2 - 5 - شبکه مولد متخاصم (54)
  • 3 - 3 - مراحل فرایند تشخیص فعالیت (55)
  • 3 - 4 - پیش‌پردازش (55)
    • 3 - 4 - 1 - تمیز کردن و نرمال‌سازی (55)
    • 3 - 4 - 2 - پنجره زنی (56)
    • 3 - 4 - 3 - متعادل کردن داده‌ها (57)
  • 3 - 5 - استخراج ویژگی (58)
    • 3 - 5 - 1 - استخراج دستی ویژگی (58)
    • 3 - 5 - 2 - استخراج خودکار ویژگی (59)
  • 3 - 6 - دسته‌بندی در حوزه تشخیص فعالیت انسان (63)
    • 3 - 6 - 1 - دسته‌بندهای تخت106F (64)
    • 3 - 6 - 2 - دسته‌بندهای سلسله مراتبی (64)
  • 3 - 7 - تشخیص ناهنجاری109F (67)
  • 3 - 8 - جمع‌بندی و نتیجه‌گیری (69)
• فصل 4 تولید داده (71)
  • 4 - 1 - مقدمه (71)
  • 4 - 2 - پیش‌پردازش (72)
  • 4 - 3 - ساختار مدل تولید داده (73)
  • 4 - 4 - ساختمان شبکه مولد متخاصم (75)
  • 4 - 5 - فرایند آموزش شبکه مولد متخاصم (79)
  • 4 - 6 - تولید داده‌های فعالیت‌های پیچیده (81)
  • 4 - 7 - ارزیابی داده‌های تولیدی (83)
    • 4 - 7 - 1 - ارزیابی کیفی (83)
    • 4 - 7 - 2 - ارزیابی کمی (87)
  • 4 - 8 - تولید داده با استفاده از روش‌های داده افزایی (92)
    • 4 - 8 - 1 - افزودن نویز گوسی (92)
    • 4 - 8 - 2 - چرخش داده (93)
    • 4 - 8 - 3 - مقیاس بندی (94)
    • 4 - 8 - 4 - تاب‌خوردگی مقداری (95)
    • 4 - 8 - 5 - تاب‌خوردگی زمانی (95)
  • 4 - 9 - عملکرد مدل مولد متخاصم پیشنهادی در برابر سایر روش‌های تولید داده (96)
  • 4 - 10 - جمع‌بندی (98)
• فصل 5 توسعه دسته‌بند سلسله مراتبی (100)
  • 5 - 1 - مقدمه (100)
  • 5 - 2 - دسته‌بندی سلسله مراتبی (101)
  • 5 - 3 - گروه‌بندی حرکات درمانی (101)
  • 5 - 4 - پیش‌پردازش (104)
    • 5 - 4 - 1 - بالانس کردن مجموعه دادگان (104)
    • 5 - 4 - 2 - فیلتر کردن (105)
    • 5 - 4 - 3 - پنجره زنی (105)
    • 5 - 4 - 4 - استخراج ویژگی به صورت دستی (106)
  • 5 - 5 - ساختار مدل تشخیص فعالیت سلسله مراتبی (106)
    • 5 - 5 - 1 - ساختار دسته‌بندهای مدل تشخیص فعالیت (107)
    • 5 - 5 - 2 - پارامترهای مدل تبدیل‌کننده انکودر (109)
  • 5 - 6 - نتایج دسته‌بند سلسله مراتبی پیشنهادی در تشخیص حرکات درمانی (109)
  • 5 - 7 - ماژول‌های کمکی دسته‌بند (114)
    • 5 - 7 - 1 - ماژول تشخیص حرکات درمانی از سایر حرکات (114)
    • 5 - 7 - 2 - پنجره‌زنی تطبیقی (123)
  • 5 - 8 - مقایسه نتایج حاصل از دسته‌بند پیشنهادی و سایر دسته‌بندهای سامانه تشخیص فعالیت سپنتا (129)
• فصل 6 بحث و نتیجه‌گیری (132)
  • 6 - 1 - محدودیت‌ها (135)
  • 6 - 2 - پیشنهادات پژوهشی (136)
• فصل 7 مراجع (139)