Implementation of machine learning algorithm
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
El documento presenta el desarrollo e implementación de un sistema de detección automática de caídas utilizando algoritmos de Machine Learning. El problema surge porque las caídas representan una causa importante de lesiones en adultos mayores y trabajadores, y muchos sistemas actuales se entrenan con datos simulados que no reflejan completamente situaciones reales. Para abordar este problema, el estudio utiliza datasets públicos como SisFall, MobiAct y Prev-Fall, que contienen datos de sensores inerciales (acelerómetros y giroscopios). Se implementa un pipeline de procesamiento de datos que incluye filtrado, segmentación por ventanas, normalización y extracción de características. Se evaluaron varios algoritmos de aprendizaje automático, incluyendo Random Forest, k-NN y una red neuronal convolucional (CNN). Los resultados mostraron que el modelo CNN optimizado obtuvo el mejor rendimiento, alcanzando métricas perfectas de precisión, sensibilidad, especificidad y F1-score en las pruebas realizadas. Finalmente, el modelo fue exportado para su posible integración en sistemas reales, como aplicaciones móviles o dispositivos portátiles, aunque se reconoce que una limitación del estudio es el uso de datos sintéticos o controlados, por lo que se recomienda realizar futuras validaciones en entornos reales.
Fields of Study & Subjects
Context-Aware Activity Recognition Systems
Balance
Gait
and Falls Prevention
Gait Recognition and Analysis
Publication details
- Journal / source
- Minerva Digital Library (Universidad EAN)
- Publication date
- 8 March 2026
- Language
- ES
- Document type
- Thesis