Система учета и анализа физической активности с элементами социальной сети в мобильном приложении | Статья в журнале «Молодой ученый»

Библиографическое описание:

Кочарян Т. С., Григорьев И. М., Майоров К. Н. Система учета и анализа физической активности с элементами социальной сети в мобильном приложении // Молодой ученый. — 2017. — №17. — С. 15-17. — URL https://moluch.ru/archive/151/42887/ (дата обращения: 22.07.2018).



Рассматривается система учета и анализа физической активности с элементами социальной сети в мобильном приложении. Система предназначена для учета тренировок и составления рекомендаций на основе прогнозирования результатов, имеющая элементы социальной сети.

Ключевые слова: учет тренировок, анализ тренировок, прогнозирование, составление тренировок, социальная сеть

The system of accounting and analysis of physical activity in social networks in a mobile application is considered. The system is designed to record training and make recommendations based on the results forecasting, the corresponding social network.

Keywords: The account of trainings, the analysis of trainings, forecasting, drawing up of trainings, a social network

В настоящее время многие из владельцев смартфонов имеют на своем устройстве хотя бы одно мобильное приложение, связанное со здоровьем. Чаще всего это программы для отслеживания и учета двигательной активности, приложения, помогающие соблюдать диету или управлять весом.

Целью работы является разработка системы в формате социальной сети для учета и поиска оптимальных тренировочных программ на основе успешных записей, других, наиболее подходящих по критериям пользователей и прогнозирование результатов.

Существующее в настоящее время ПО не способно генерировать рекомендации, основанные на успешном опыте других участников системы. Такие задачи по настоящее время решает только человек, используя индивидуальные правила, а ЭВМ используется лишь для учета и отслеживания активности.

В то же время тема актуальна, поскольку рассматриваемая область набирает все большую популярность среди пользователей гаджетов и требует новых интересных решений.

Учет нужен для трех основных целей:

‒ Чтобы отслеживать свой прогресс;

‒ Чтобы анализировать физическую активность;

‒ Чтобы прогнозировать свой вес;

Выглядит это как набор данных и цифр с примечаниями к записям.

Показатели, записываемые в дневник тренировок, зависят от дисциплины. К примеру, это будут, веса, количества упражнений и подходов, время пробежки, пульс, замеры тела, данные сна, питания и т. д. Дневник позволяет анализировать и составлять более эффективный план тренинга с учетом своей физиологии и подготовки.

Исходя из основных требований, целесообразно выделить следующие задачи, решаемые в настоящей работе:

‒ создание системы профилей;

‒ сбор статистики и учет тренировок, с возможностью делиться ею с друзьями и другими пользователями системы;

‒ разработка алгоритма составления рекомендаций;

‒ разработка алгоритма прогнозирования веса;

‒ организация чата между пользователями;

Составление рекомендаций происходит путем поиска наиболее успешного опыта других пользователей системы или же путем прогнозирования на основе собственных записей. Учитываются поставленные цели и достигнутые результаты. Исходя из этих данных происходит поиск наиболее эффективных тренингов по критериям запросившего пользователя. Для отбора лучшего опыта в каждой программе тренировок ведется рейтинг тренировок пользователя, он увеличивается за счет достигнутых целей. Для поиска рекомендаций сначала находим максимально похожих по параметрам (N) и целям пользователей, далее отбираем среди них, того, чья эффективность (E) в достижении конкретной цели превосходит других. В результате применяем полученные данные для рекомендаций к запросившему пользователю. Алгоритм представлен в виде блок схемы (рис. 1.).


Рис. 1. Алгоритм поиска оптимальной тренировки

Алгоритм прибавления рейтинга к тренировочной программе: P — прогресс предыдущей тренировки; P2 — прогресс текущей тренировки; E-значение эффективности тренировки. Если, то , иначе значение Е остается неизменным.

Вес прогнозируется с помощью нейронной сети, многослойного персептрона, методом обратного распространения ошибки. Обучающая выборка состоит из веса (Weight), количества калорий (k), количества белков(b), количества воды(w), Weight = f (k, b, w). Принцип функционирования алгоритма обратного распространения ошибки, заключается в использование метода градиентного спуска и корректировки весов, для минимизации ошибки нейронной сети. Алгоритм обучения нейронной сети отображен в виде блок схемы (рис. 2).

Рис. 2. Алгоритм обучения нейронной сети

Для реализации и функционирования проекта необходима операционная система Android 2.3 и выше с наличием доступа в интернет.

Для разработки тела использовался родной язык программирования для Android — Java. Этот язык, позволяет качественно и на достаточном уровне выполнить систему необходимой сложности.

Для написания логики работы функциональных модулей системы в клиентской части использовался язык JAVA, в серверной PHP.

В качестве СУБД используется свободная система управления базами данных MySQL. MySQL является решением для малых и средних приложений. Обычно используется в качестве сервера, к которому обращаются локальные и удалённые клиенты. В качестве веб-сервера выбран Apache 2.2 HTTP — сервер, принадлежащий к категории свободного ПО.

Литература:

  1. Голощапов А. Л. Google Android. Создание приложений для смартфонов и планшетных ПК. СПб.:БВХ — Петербург, 2013.
  2. Малыхина М. П. Базы данных: основы, проектирование, использование. С.-П.: БХВ-Петербург, 2004.
  3. Скот Хоккинс. Администрирование web-сервера Apache. М.: Издательский дом «Вильямс», 2001.
  4. Google Developer — [Электронный ресурс]. Web-сайт: https://developers.google.com.
Основные термины (генерируются автоматически): нейронная сеть, социальная сеть, учет тренировок, JAVA, HTTP, обратное распространение ошибки, физическая активность, успешный опыт, мобильное приложение, PHP.


Ключевые слова

прогнозирование, социальная сеть, учет тренировок, анализ тренировок, составление тренировок

Похожие статьи

Анализ средств для реализации нейронных сетей на языке...

Ключевые слова: нейронные сети, Java, Neuroph, Deeplearning4j. В данный момент большую популярность в задачах обработки данных получают нейронные сети.

Ошибка вычисляется каждую эпоху и при успешном обучении должна становиться меньше.

Исследование возможностей использования нейронных сетей

Однослойная нейронная сеть. На этом рисунке входной слой нейронов не выполняет вычислений, а

В обратном направлении сигнал не распространяется. Такие сети успешно справляются с такими задачами, как

S. Sanner, «Rowley-Baluja-Kanade Face Detector», http...

Применение методов искусственного интеллекта в спорте

Созданные 9 нейронных сетей обратного распространения обучались при разных начальных условиях.

Социальные комментарии Cackle.

Аппаратная реализация искусственных нейронных сетей. Часть 1

Например, в случае алгоритма обратного распространения, прямой проход осуществляется через сеть, а обновление весов выполняется в программном обеспечении.

Анализ средств для реализации нейронных сетей на языке программирования Java.

Модель математической нейронной сети | Статья в журнале...

В статье представлен опыт изучения нейронных сетей, их реализации с помощью языка программирования Java.

Будем рассматривать примеры на самом базовом типе нейронных сетейсети прямого распространения (далее СПР).

Применение технологий нейронных сетей для обработки данных...

Для разработки выбран язык программирования PHP, так как является наиболее

Для обучения нейронной сети используется алгоритм обратного распространения ошибки [1]. Нетрудно заметить, что концепция ООП хорошо подходит для реализации данного типа сетей.

Исследование нейросетевых технологий для выявления...

В первом эксперименте для обучения нейронной сети использовалась такая обучающая выборка, в которой соотношение нормальных сетевых соединений к атакам составляло пять к

PCA + Сеть прямого распространения. 99,91 %.

Социальные комментарии Cackle.

К задаче прогнозирования энергопотребления с помощью...

нейронная сеть, MAPE, обратное распространение ошибки, значение энергопотребления, MATLAB, обучение сети, нелинейная авторегрессия, дискретность контроля, график модели, NAR.

Анализ и классификация погрешностей обучения...

Обучение нейронной сети. Алгоритм обратного распространения ошибок. http

Анализ средств для реализации нейронных сетей на языке программирования Java.

Распознавание речи на основе искусственных нейронных сетей.

Анализ средств для реализации нейронных сетей на языке...

Ключевые слова: нейронные сети, Java, Neuroph, Deeplearning4j. В данный момент большую популярность в задачах обработки данных получают нейронные сети.

Ошибка вычисляется каждую эпоху и при успешном обучении должна становиться меньше.

Исследование возможностей использования нейронных сетей

Однослойная нейронная сеть. На этом рисунке входной слой нейронов не выполняет вычислений, а

В обратном направлении сигнал не распространяется. Такие сети успешно справляются с такими задачами, как

S. Sanner, «Rowley-Baluja-Kanade Face Detector», http...

Применение методов искусственного интеллекта в спорте

Созданные 9 нейронных сетей обратного распространения обучались при разных начальных условиях.

Социальные комментарии Cackle.

Аппаратная реализация искусственных нейронных сетей. Часть 1

Например, в случае алгоритма обратного распространения, прямой проход осуществляется через сеть, а обновление весов выполняется в программном обеспечении.

Анализ средств для реализации нейронных сетей на языке программирования Java.

Модель математической нейронной сети | Статья в журнале...

В статье представлен опыт изучения нейронных сетей, их реализации с помощью языка программирования Java.

Будем рассматривать примеры на самом базовом типе нейронных сетейсети прямого распространения (далее СПР).

Применение технологий нейронных сетей для обработки данных...

Для разработки выбран язык программирования PHP, так как является наиболее

Для обучения нейронной сети используется алгоритм обратного распространения ошибки [1]. Нетрудно заметить, что концепция ООП хорошо подходит для реализации данного типа сетей.

Исследование нейросетевых технологий для выявления...

В первом эксперименте для обучения нейронной сети использовалась такая обучающая выборка, в которой соотношение нормальных сетевых соединений к атакам составляло пять к

PCA + Сеть прямого распространения. 99,91 %.

Социальные комментарии Cackle.

К задаче прогнозирования энергопотребления с помощью...

нейронная сеть, MAPE, обратное распространение ошибки, значение энергопотребления, MATLAB, обучение сети, нелинейная авторегрессия, дискретность контроля, график модели, NAR.

Анализ и классификация погрешностей обучения...

Обучение нейронной сети. Алгоритм обратного распространения ошибок. http

Анализ средств для реализации нейронных сетей на языке программирования Java.

Распознавание речи на основе искусственных нейронных сетей.

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Анализ средств для реализации нейронных сетей на языке...

Ключевые слова: нейронные сети, Java, Neuroph, Deeplearning4j. В данный момент большую популярность в задачах обработки данных получают нейронные сети.

Ошибка вычисляется каждую эпоху и при успешном обучении должна становиться меньше.

Исследование возможностей использования нейронных сетей

Однослойная нейронная сеть. На этом рисунке входной слой нейронов не выполняет вычислений, а

В обратном направлении сигнал не распространяется. Такие сети успешно справляются с такими задачами, как

S. Sanner, «Rowley-Baluja-Kanade Face Detector», http...

Применение методов искусственного интеллекта в спорте

Созданные 9 нейронных сетей обратного распространения обучались при разных начальных условиях.

Социальные комментарии Cackle.

Аппаратная реализация искусственных нейронных сетей. Часть 1

Например, в случае алгоритма обратного распространения, прямой проход осуществляется через сеть, а обновление весов выполняется в программном обеспечении.

Анализ средств для реализации нейронных сетей на языке программирования Java.

Модель математической нейронной сети | Статья в журнале...

В статье представлен опыт изучения нейронных сетей, их реализации с помощью языка программирования Java.

Будем рассматривать примеры на самом базовом типе нейронных сетейсети прямого распространения (далее СПР).

Применение технологий нейронных сетей для обработки данных...

Для разработки выбран язык программирования PHP, так как является наиболее

Для обучения нейронной сети используется алгоритм обратного распространения ошибки [1]. Нетрудно заметить, что концепция ООП хорошо подходит для реализации данного типа сетей.

Исследование нейросетевых технологий для выявления...

В первом эксперименте для обучения нейронной сети использовалась такая обучающая выборка, в которой соотношение нормальных сетевых соединений к атакам составляло пять к

PCA + Сеть прямого распространения. 99,91 %.

Социальные комментарии Cackle.

К задаче прогнозирования энергопотребления с помощью...

нейронная сеть, MAPE, обратное распространение ошибки, значение энергопотребления, MATLAB, обучение сети, нелинейная авторегрессия, дискретность контроля, график модели, NAR.

Анализ и классификация погрешностей обучения...

Обучение нейронной сети. Алгоритм обратного распространения ошибок. http

Анализ средств для реализации нейронных сетей на языке программирования Java.

Распознавание речи на основе искусственных нейронных сетей.

Анализ средств для реализации нейронных сетей на языке...

Ключевые слова: нейронные сети, Java, Neuroph, Deeplearning4j. В данный момент большую популярность в задачах обработки данных получают нейронные сети.

Ошибка вычисляется каждую эпоху и при успешном обучении должна становиться меньше.

Исследование возможностей использования нейронных сетей

Однослойная нейронная сеть. На этом рисунке входной слой нейронов не выполняет вычислений, а

В обратном направлении сигнал не распространяется. Такие сети успешно справляются с такими задачами, как

S. Sanner, «Rowley-Baluja-Kanade Face Detector», http...

Применение методов искусственного интеллекта в спорте

Созданные 9 нейронных сетей обратного распространения обучались при разных начальных условиях.

Социальные комментарии Cackle.

Аппаратная реализация искусственных нейронных сетей. Часть 1

Например, в случае алгоритма обратного распространения, прямой проход осуществляется через сеть, а обновление весов выполняется в программном обеспечении.

Анализ средств для реализации нейронных сетей на языке программирования Java.

Модель математической нейронной сети | Статья в журнале...

В статье представлен опыт изучения нейронных сетей, их реализации с помощью языка программирования Java.

Будем рассматривать примеры на самом базовом типе нейронных сетейсети прямого распространения (далее СПР).

Применение технологий нейронных сетей для обработки данных...

Для разработки выбран язык программирования PHP, так как является наиболее

Для обучения нейронной сети используется алгоритм обратного распространения ошибки [1]. Нетрудно заметить, что концепция ООП хорошо подходит для реализации данного типа сетей.

Исследование нейросетевых технологий для выявления...

В первом эксперименте для обучения нейронной сети использовалась такая обучающая выборка, в которой соотношение нормальных сетевых соединений к атакам составляло пять к

PCA + Сеть прямого распространения. 99,91 %.

Социальные комментарии Cackle.

К задаче прогнозирования энергопотребления с помощью...

нейронная сеть, MAPE, обратное распространение ошибки, значение энергопотребления, MATLAB, обучение сети, нелинейная авторегрессия, дискретность контроля, график модели, NAR.

Анализ и классификация погрешностей обучения...

Обучение нейронной сети. Алгоритм обратного распространения ошибок. http

Анализ средств для реализации нейронных сетей на языке программирования Java.

Распознавание речи на основе искусственных нейронных сетей.

Задать вопрос