คุณเคยลองโบกมือเหมือนไม้เท้าวิเศษและเรียกเครื่องคิดเลขหรือไม่? เราคาดว่าจะไม่พิจารณาว่าคุณอาจจะดูงี่เง่าเล็กน้อย นั่นคือถ้าคุณมีเครื่องคิดเลขควบคุมท่าทางที่น่าตื่นตาตื่นใจ [Andrei] [อังเดร] คิดว่ามันจะมีคุณค่าที่จะใช้เครื่องคิดเลขในห้องปฏิบัติการวิจัยของเขาโดยไม่ต้องถอดถุงมือออกและผลลัพธ์ที่ดีเยี่ยม
ฮาร์ดแวร์ของเขาประกอบด้วย PocketBeagle, OLED และหน่วยวัดความเฉื่อย MPU6050 สำหรับการจับมือการเคลื่อนไหวของเขาโดยใช้ accelerometer และ gyroscope ฮาร์ดแวร์ค่อนข้างตรงไปตรงมาดังนั้นการอุทธรณ์ของโครงการนี้จึงอยู่ในการเรียนรู้การเรียนรู้ของผู้ผลิต
[Andrei] บันทึกชุดข้อมูลเพียงเล็กน้อยเพื่อฝึกอัลกอริทึมของเขาโดยการสร้างท่าทางมือสำหรับแต่ละหมายเลข 0-9 และบันทึกความเร่งที่เกิดขึ้นและเอาต์พุต Gyroscope เขาประมวลผลข้อมูลก่อนด้วยการแปลงเวฟเล็ต ความตั้งใจของการแปลงเป็นสองเท่า ครั้งแรกที่การแปลงอนุญาตให้เขาลดจำนวนตัวอย่างในชุดข้อมูลของเขาในขณะที่รักษารูปร่างของมาตรวัดความเร่งและสัญญาณไจโรสโคปคุณสมบัติที่สำคัญในการจำแนกประเภทการเรียนรู้ของผู้ผลิต ประการที่สองเขาสามารถเพิ่มจำนวนคุณสมบัติสำหรับการจำแนกประเภทที่พิจารณาว่าการแปลงเวฟเล็ตส่งผลให้ทั้งค่าประมาณและค่าสัมประสิทธิ์ในเชิงลึกซึ่งทั้งคู่สามารถป้อนเข้าสู่อัลกอริทึม
เพราะเขามีชุดข้อมูลเล็ก ๆ เขาใช้เทคนิคการแบ่งแบบสุ่มแบบแบ่งชั้นแทนวิธีการทดสอบวิธีการแยกรถไฟซึ่งปกติจะเหมาะกับชุดข้อมูลที่ใหญ่ขึ้น การแบ่งแบบสุ่มแบบแบ่งชั้นทำให้แน่ใจว่ามีจำนวนรถไฟและตัวอย่างการทดสอบเดียวกันสำหรับแต่ละท่าทาง นอกจากนี้เขายังตระหนักถึงการเพิ่มประสิทธิภาพแบบจำลองของเขาในการทำงานบนชุดประมวลผลแบบพกพาเช่น pocketbeagle เขาใช้เวลาในการเพิ่มประสิทธิภาพพารามิเตอร์ของอัลกอริทึมของเขาและในที่สุดแปลงโมเดลของเขาเป็นแบบจำลอง tensorflliate โดยใช้ฟังก์ชั่น “tfliteconverter” ในตัวภายใน tensorflow
ในที่สุดในแฟชั่นโอเพนซอร์สที่แท้จริงรหัสทั้งหมดของเขามีอยู่ใน GitHub ดังนั้นโปรดมอบให้กับตัวเอง เครื่องคิดเลข Leviosa!