dc.creator | Montes-Sánchez, Juan Manuel | es |
dc.creator | Luna Perejón, Francisco | es |
dc.creator | Durán López, Lourdes | es |
dc.creator | Vázquez Baeza, Alberto | es |
dc.creator | Beasley Bohórquez, Isabel | es |
dc.creator | Sevillano Ramos, José Luis | es |
dc.date.accessioned | 2022-05-09T06:51:49Z | |
dc.date.available | 2022-05-09T06:51:49Z | |
dc.date.issued | 2022-02 | |
dc.identifier.citation | Montes-Sánchez, J.M., Luna Perejón, F.,...,Sevillano Ramos, J.L. (2022). Clasificación de posturas mediante uso de redes neuronales y dispositivo IOT. En Sinergías en la investigación en STEM (pp. 69-73). Alcoy (Alicante): 3ciencias. | |
dc.identifier.isbn | 978-84-123872-6-1 | es |
dc.identifier.uri | https://hdl.handle.net/11441/132938 | |
dc.description.abstract | El tiempo que la población pasa sentada ha aumentado en las últimas décadas
debido al incremento del uso del ordenador personal. Paralelamente, también han
aumentado las dolencias musculoesqueléticas. Gran parte de estas son consecuencia
directa de pasar largos periodos sentados en posturas estáticas. En este trabajo
se ha desarrollado un sistema IoT de monitorización de la postura, consistente en
un asiento equipado con 6 sensores de fuerza resistivos (FSR). La información de
los sensores es clasificada por una red neuronal entrenada mediante técnicas de
aprendizaje automático para diferenciar entre 7 posturas; 6 de ellas consideradas
de mayor riesgo de causar dolencia. Se han recogido datos de 12 participantes y se
han evaluado diferentes modelos de red neuronal en busca de la mayor efectividad
de la red. El mejor modelo obtenido tiene una precisión media del 81% y consiste
en dos capas ocultas de 128 neuronas cada una. Este resultado demuestra posible
la distinción entre las posturas estudiadas con un uso mínimo de sensores, lo cual
implica menor complejidad y coste que otros estudios similares. | es |
dc.format | application/pdf | es |
dc.format.extent | 4 p. | es |
dc.language.iso | spa | es |
dc.publisher | 3ciencias | es |
dc.relation.ispartof | Sinergías en la investigación en STEM | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Clasificación de posturas mediante uso de redes neuronales y dispositivo IOT | es |
dc.type | info:eu-repo/semantics/bookPart | es |
dcterms.identifier | https://ror.org/03yxnpp24 | |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Arquitectura y Tecnología de Computadores | es |
dc.relation.publisherversion | https://www.3ciencias.com/libros/libro/sinergias-en-la-investigacion-en-stem-2/ | es |
dc.identifier.doi | 10.17993/IngyTec.2022.80 | es |
dc.contributor.group | Universidad de Sevilla. TEP108: Robótica y Tecnología de Computadores | es |
idus.validador.nota | VIII Jornadas de Investigación, Desarrollo e Innovación celebras en la Escuela Politécnica Superior (EPS) de la Universidad de Sevilla | es |
dc.publication.initialPage | 69 | es |
dc.publication.endPage | 73 | es |
dc.relation.publicationplace | Alcoy (Alicante) | es |