dc.contributor.author | Buisson Garcia, Sofia | |
dc.date.accessioned | 2023-06-28T14:00:02Z | |
dc.date.available | 2023-06-28T14:00:02Z | |
dc.date.issued | 2023-06-28 | |
dc.identifier.uri | https://hdl.handle.net/10115/22319 | |
dc.description | Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: David Casillas Pérez, Sara García De Villa | |
dc.description.abstract | En este TFG se estudia la aplicación de sensores inerciales para segmentar las diferentes fases de la marcha humana. Esta segmentación es clave para el desarrollo de algoritmos de análisis de la marcha. Se predicen también los eventos futuros de cambios de fase de la marcha a partir de las medidas inerciales. con estos objetivos, el TFG se centra en estudiar diferentes técnicas de aprendizaje máquina. | |
dc.language.iso | spa | |
dc.publisher | Universidad Rey Juan Carlos | |
dc.rights | Atribución-CompartirIgual 4.0 Internacional | |
dc.rights.uri | http://creativecommons.org/licenses/by-sa/4.0/ | |
dc.subject | Unidad de medición inercial | |
dc.subject | marcha | |
dc.subject | biomecánica | |
dc.subject | machine learning | |
dc.subject | deep learning | |
dc.subject | inteligencia artificial | |
dc.subject | dispositivos de ayuda a la rehabilitación | |
dc.subject | fases de la marcha | |
dc.title | SEGMENTACIÓN DE LAS FASES DE LA MARCHA HUMANA Y PREDICCIÓN DE SUS EVENTOS FUTUROS MEDIANTE SENSORES INERCIALES Y TÉCNICAS DE APRENDIZAJE MÁQUINA | |
dc.type | info:eu-repo/semantics/studentThesis | |
dc.rights.accessRights | info:eu-repo/semantics/embargoedAccess | |