Implementation of machine learning algorithm

Read full text Summarise with VIRAT
Authors: David Mateo Galeano Tangarife
Cited by: 0
References: 5

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