Методи штучного інтелекту та нечіткої логіки для генерації рекомендацій
Вантажиться...
Дата
2024
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
У роботі досліджено методи штучного інтелекту та нечіткої логіки для створення персоналізованих планів тренувань з бігу. Розроблено систему, що прогнозує базову дистанцію бігу та адаптує інтенсивність тренувань з урахуванням фізіологічних даних та змін у стані користувача. Використання MLP та XGBoost для прогнозування та нечіткої логіки Мамдані для адаптації дозволило створити гнучку та ефективну систему.
Опис
Програмний продукт призначений для генерації персоналізованих планів тренувань з бігу з використанням методів штучного інтелекту (MLP, XGBoost) та нечіткої логіки (Мамдані). Система аналізує фізіологічні дані користувача (стать, вік, зріст, вагу, пульс, SpO2) та ціль тренувань, прогнозує базову дистанцію, генерує план тренувань та адаптує його інтенсивність на основі змін стану користувача (пульс, SpO2, самопочуття, тривалість сну, рівень стресу).
Ключові слова
штучний інтелект, нечітка логіка, рекомендаційні системи, персоналізовані тренування, біг, машинне навчання, адаптивні системи, прогнозування, планування тренувань, MLP, XGBoost
Бібліографічний опис
Бородавченко, О. О. Методи штучного інтелекту та нечіткої логіки для генерації рекомендацій : магістерська дис. : 122 Комп’ютерні науки / Бородавченко Олександр Олександрович. – Київ, 2024. – 142 с.