Klasifikace časových řad pro rozpoznání akcí v imitačním učení

Michal Mikeska

Time-Series Classification for Action Detection in Imitation Learning

Type of document

bakalářská práce
bachelor thesis

Author

Michal Mikeska

Supervisor

Štěpánová Karla

Opponent

Straka Zdeněk

Study program

Kybernetika a robotika

Institutions assigning rank

katedra kybernetiky

Defended

2023-02-07

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

V této práci porovnáváme různé metody klasifikace časových řad. Metody pokrývají klasifikaci algoritmem KNN pomocí vypočítaných vzdáleností Dynamic Time Warping (DTW), Long-Short Term memory (LSTM) a metodou GRU. Porovnáváme kvalitu klasifikátorů na 4 různých datasetech, které zahrnují pohyby rukou, gest, pohyby robotického manipulátoru a audio nahrávky. Výsledky vyhodnocujeme pro různá nastavení a parametry metod. Porovnává se obtížnost jednotlivých datasetů.

In this work, we compare different methods for time series classification. The methods cover KNN classification using distances computed by Dynamic Time Warping (DTW), Long-Short Term Memory (LSTM), and GRU method. We compare the quality of the classifiers on 4 different datasets, covering hand movements, gestures, movements of a robotic manipulator, and audio recordings. We evaluate the results for various settings and parameters of the methods. The difficulty of individual datasets is compared.