Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

Final Project

تشخیص فعالیت انسان با داده‌های حسگر تلفن همراه

هدف پروژه

در این پروژه یک مسئله واقعی یادگیری ماشین را از داده خام حسگر تا مدل‌های آماری، روش‌های طبقه‌بندی و یادگیری عمیق بررسی می‌کنید: تشخیص فعالیت انسان با استفاده از شتاب‌سنج تلفن همراه.

هدف صرفاً دستیابی به بیشترین Accuracy نیست. باید بتوانید توضیح دهید:

  • داده چگونه جمع‌آوری و آماده‌سازی شده است؟

  • چه اطلاعاتی در ویژگی‌ها وجود دارد و چه اطلاعاتی از سیگنال خام حذف می‌شود؟

  • فرض‌های آماری هر مدل چیست و این فرض‌ها چه اثری بر عملکرد دارند؟

  • مدل‌های مولد، تمایزگر، مخلوط، دنباله‌ای و عمیق چه تفاوتی دارند؟

  • آیا پیچیده‌تر شدن مدل الزاماً به بهبود تعمیم‌پذیری منجر می‌شود؟

  • آیا مقایسه مدل‌ها با پروتکل ارزیابی منصفانه انجام شده است؟

داده اصلی

در نسخه پایه از مجموعه داده WISDM Activity Prediction v1.1 استفاده می‌کنیم. این مجموعه شامل داده شتاب‌سنج سه‌محوره تلفن همراه، timestamp و برچسب شش فعالیت است:

  • Walking

  • Jogging

  • Upstairs

  • Downstairs

  • Sitting

  • Standing

داده از ۳۶ شرکت‌کننده و با نرخ نمونه‌برداری اسمی‌حدود ۲۰ هرتز جمع‌آوری شده است.

صفحه رسمی: WISDM Dataset

فایل خام مورد نیاز WISDM_ar_v1.1_raw.txt است. دستور دریافت و آماده‌سازی داده در مخزن کد دانشجویان قرار می‌گیرد. فایل داده خام را در GitHub بارگذاری نکنید.

محدودیت مهم: WISDM در شرایط کنترل‌شده آزمایشگاهی جمع‌آوری شده و توزیع کلاس‌ها نامتوازن است. بنابراین نتایج آن را نباید بدون آزمایش مستقل به زندگی روزمره تعمیم داد. محل قرارگیری گوشی، جهت آن، مدل حسگر و تفاوت افراد می‌توانند بر عملکرد اثر بگذارند.

مخزن کد دانشجویان

کد آغازین، نوتبوک‌ها و راهنمای اجرای پروژه در مخزن زیر ارائه می‌شوند:

https://github.com/mamintoosi-cs/ml-final-project-HAR

این مخزن برای استفاده دانشجویان است. محتوای آن به‌تدریج و هم‌زمان با انتشار تکالیف تکمیل خواهد شد. فایل داده خام در مخزن قرار نمی‌گیرد.

مسیر پروژه: هفت تکلیف اصلی و یک تکلیف مازاد

پروژه در هفت مرحله‌ی اجباری پیش می‌رود و یک مرحله‌ی مازاد دارد. خروجی هر مرحله، مبنای تحلیل یا مقایسه در مراحل بعدی خواهد بود. جزئیات پرسش‌ها، کدهای آغازین، اقلام تحویل و مهلت هر تکلیف جداگانه اعلام می‌شود.

مرحلهموضوعمفاهیم اصلیخروجی مورد انتظار
PT1شناخت داده، EDA و خط مبناآمار توصیفی، کیفیت داده، پنجره‌بندی اولیه، ارزیابیگزارش شناخت داده، نمودار سیگنال و نتیجه baseline
PT2ویژگی‌سازی و تحلیل ابعادویژگی‌های آماری، استانداردسازی، هم‌بستگی، کوواریانس، PCAماتریس ویژگی و تحلیل فضای ویژگی
PT3مدل‌های گاوسی و تصمیم‌گیری بیزیMLE، کوواریانس کامل و قطری، Mahalanobis، Gaussian Bayes، Naive Bayes، shrinkageطبقه‌بندهای مولد و تحلیل فرض‌های آماری
PT4مدل تمایزگر خطیLogistic Regression، standardization، regularization، مرز تصمیمتحلیل مرز تصمیم و انتخاب CC روی اعتبارسنجی
PT5مدل مخلوط گاوسی و EMGMM، الگوریتم EM، log-likelihood، BICتحلیل چندوجهی بودن داده و انتخاب تعداد مؤلفه
PT6دنباله‌ها: مارکوف، Forward و Viterbiوابستگی زمانی، ماتریس انتقال، forward، هموارسازی، برنامه‌ریزی پویامدل‌سازی دنباله و مقایسه سه رمزگشا
PT7شبکه عصبی کانولوشنی یک‌بعدی1D-CNN با معماری داده‌شده، یادگیری از سیگنال خامآموزش، ارزیابی و تحلیل خطای CNN
PT8پیاده‌سازی موبایلی (نمره مازاد)استخراج مدل، زمان استنتاج، اجرا روی گوشینمونه اجراشدنی + گزارش هزینه

PT1 — شناخت داده، تحلیل اکتشافی و خط مبنا

پرسش اصلی: دقیقاً چه داده‌ای در اختیار داریم و چه محدودیت‌هایی دارد؟

  • بررسی تعداد نمونه‌ها، افراد و توزیع فعالیت‌ها؛

  • بررسی timestampها و نرخ نمونه‌برداری مشاهده‌شده؛

  • رسم سیگنال سه محور برای چند بازه و فعالیت؛

  • بررسی داده‌های گمشده، مقادیر پرت و قطعه‌های زمانی؛

  • آشنایی با پنجره‌بندی و پروتکل تقسیم داده بر اساس فرد؛

  • اجرای یک مدل مرجع با تنظیمات ثابت و ثبت معیارهای ارزیابی، بدون تلاش برای بهینه‌سازی آن.

به‌روزرسانی PT1 (بعد از انتشار): بخش خط مبنای این تکلیف ساده‌تر شده است — به‌جای یک مدل مرجع از پیش تنظیم‌شده، دو خط مبنای ساده (Majority Class و Logistic Regression با تنظیمات پیش‌فرض) خواسته می‌شود. اگر نسخه‌ی قبلی را تحویل داده‌اید همان پذیرفته است و نیازی به تحویل دوباره نیست؛ اگر هنوز تحویل نداده‌اید، نسخه‌ی جدید را انجام دهید. تقسیم‌بندی، پنجره‌بندی و معیارها تغییری نکرده‌اند.

داشبورد تعاملی PT1: مشاهده داشبورد PT1. داشبورد برای مرور توزیع فعالیت‌ها، تفاوت تعداد رکوردهای خام و پنجره‌ها، بررسی آمار شرکت‌کنندگان و مشاهده مقایسه مدل پایه طراحی شده است. از آن برای مشاهده و تفسیر نتایج استفاده کنید؛ اعداد و نمودارها جای تحلیل و گزارش خودتان را نمی‌گیرند.

PT2 — ویژگی‌سازی، هم‌بستگی و PCA

پرسش اصلی: چگونه سیگنال زمانی را به نمایش عددی مناسبی برای مدل‌های آماری تبدیل کنیم؟

  • ساخت پنجره‌های زمانی با طول و گام مشخص؛

  • جلوگیری از عبور پنجره از مرز فرد یا فعالیت؛

  • استخراج ویژگی‌های آماری از سه محور شتاب‌سنج؛

  • استانداردسازی ویژگی‌ها؛

  • محاسبه هم‌بستگی و کوواریانس و بررسی وابستگی ویژگی‌ها؛

  • اجرای PCA و تحلیل واریانس توضیح‌داده‌شده؛

  • نمایش دوبعدی داده و بررسی جدایی یا هم‌پوشانی فعالیت‌ها.

توسعه بعدی داشبورد: در مراحل بعدی، در صورت نیاز نمودارهای ویژگی‌ها، هم‌بستگی، کوواریانس و PCA نیز به داشبورد افزوده خواهند شد.

PT3 — مدل‌های گاوسی و تصمیم‌گیری بیزی

پرسش اصلی: اگر توزیع ویژگی‌های هر فعالیت را گاوسی فرض کنیم، چه چیزی به دست می‌آوریم و این فرض کجا محدودکننده است؟

  • تخمین MLE میانگین و کوواریانس هر کلاس؛

  • مقایسه کوواریانس کامل و قطری؛

  • بررسی تکینگی و بدشرطی ماتریس کوواریانس و نقش regularization؛

  • محاسبه فاصله Mahalanobis؛

  • ساخت Gaussian Bayes classifier؛

  • مقایسه با Gaussian Naive Bayes و تحلیل اثر فرض استقلال ویژگی‌ها.

PT4 — رگرسیون لجستیک و مرز تصمیم

پرسش اصلی: آیا مرز تصمیم خطی برای تشخیص فعالیت‌ها کافی است؟

  • آموزش Logistic Regression چندکلاسه؛

  • قرار دادن استانداردسازی داخل Pipeline تا هیچ پارامتری از داده اعتبارسنجی یا آزمون استفاده نشود؛

  • بررسی اثر regularization با سه مقدار CC و انتخاب روی داده اعتبارسنجی؛

  • تحلیل ماتریس درهم‌ریختگی و مقایسه‌ی هر کلاس با خط مبنای PT1 و مدل گاوسی PT3؛

  • تفسیر مواردی که مدل خطی شکست می‌خورد.

PT5 — مدل مخلوط گاوسی و الگوریتم EM

پرسش اصلی: آیا یک توزیع گاوسی برای توصیف ویژگی‌های یک فعالیت کافی است؟

  • برازش GMM با تعداد مؤلفه‌های متفاوت؛

  • بررسی نقش الگوریتم EM؛

  • مقایسه log-likelihood و BIC برای انتخاب تعداد مؤلفه‌ها؛

  • مقایسه مدل تک‌گاوسی با مدل مخلوط؛

  • بررسی یک طبقه‌بند مبتنی بر GMM شرطی بر کلاس؛

  • تفسیر محدودیت‌های انتخاب تعداد مؤلفه‌ها و اثر regularization.

PT6 — دنباله‌ها: مارکوف، Forward و Viterbi

پرسش اصلی: آیا استفاده از ترتیب زمانی، خطای تشخیص را کم می‌کند؟

  • بازسازی دنباله پنجره‌ها با حفظ ترتیب زمانی و مرز قطعه‌ها؛

  • تخمین توزیع اولیه و ماتریس انتقال فقط از داده آموزش، با هموارسازی دیریشله؛

  • محاسبه likelihood دنباله با الگوریتم Forward و مقایسه با ماتریس انتقال یکنواخت؛

  • هموارسازی با forward–backward و انتخاب eta روی اعتبارسنجی؛

  • پیاده‌سازی Viterbi، بررسی صحت آن با brute-force و مقایسه سه رمزگشا (مستقل، هموار، Viterbi).

بهبود عملکرد با مدل دنباله‌ای تضمین‌شده نیست. باید بررسی کنید که بهبود مشاهده‌شده از یادگیری وابستگی زمانی می‌آید یا از هموارسازی؛ در این داده برچسب فعالیت‌ها به‌شدت پایدارند و تقریباً هیچ گذار واقعی در داده آموزش دیده نمی‌شود.

PT7 — شبکه عصبی کانولوشنی یک‌بعدی

پرسش اصلی: آیا یادگیری مستقیم از سیگنال خام می‌تواند از ویژگی‌سازی دستی بهتر عمل کند؟

  • آشنایی با ورودی پنجره‌ای سه‌محوره و معماری 1D-CNN که در تکلیف داده می‌شود؛

  • آموزش با cross-entropy وزن‌دار، Adam و early stopping روی loss اعتبارسنجی؛

  • ارزیابی یک‌باره روی مجموعه آزمون و مقایسه با مدل گاوسی PT3 و لجستیک PT4؛

  • تحلیل ماتریس درهم‌ریختگی، هزینه‌ی آموزش و حجم مدل.

معماری در متن تکلیف ثابت است تا زمان شما صرف آزمون‌وخطای معماری نشود؛ کار اصلی، آموزش درست و ارزیابی بدون نشت است. انتظار نمی‌رود شبکه را از پایه طراحی کنید: درک کلی مفهوم کافی است و استفاده از کتابخانه‌های آماده (PyTorch و scikit-learn) مجاز و مورد انتظار است.

PT8 — پیاده‌سازی موبایلی (نمره مازاد)

پرسش اصلی: یک مدل آموزش‌دیده چگونه از دفترچه به گوشی می‌رسد و این انتقال چه هزینه‌ای دارد؟

  • on-device inference: تبدیل مدل PT7 به قالب قابل حمل (torch.jit.trace یا TFLite) و گزارش حجم فایل؛

  • اندازه‌گیری زمان استنتاج یک پنجره و مقایسه با بودجه‌ی ۵۰ میلی‌ثانیه‌ای نرخ نمونه‌برداری ۲۰ هرتز؛

  • ساخت یک نمونه‌ی حداقلی که پنجره‌های شتاب‌سنج را بگیرد و فعالیت پیش‌بینی‌شده را نشان دهد (اندروید یا یک صفحه‌ی وب)؛

  • تحویل ویدئوی کوتاه یا APK همراه با گزارش کوتاه.

این تکلیف اجباری نیست و نمره مازاد دارد؛ در نمره‌ی پایه‌ی پروژه حساب نمی‌شود و جای مقایسه‌ی مدل‌ها را نمی‌گیرد. مقایسه‌ها در مراحل PT1–PT7 انجام می‌شوند.

داشبورد پروژه

مشاهده نمونه داشبورد تعاملی PT1.

داشبورد در طول پروژه به‌صورت تدریجی توسعه می‌یابد:

  1. PT1: مشاهده توزیع فعالیت‌ها، آمار شرکت‌کنندگان و مقایسه مدل پایه؛

  2. PT2: افزودن تحلیل ویژگی‌ها، هم‌بستگی، کوواریانس و PCA؛

  3. PT3 تا PT6: افزودن خروجی مدل‌های آماری و دنباله‌ای؛

  4. PT7: افزودن نتایج CNN. تکلیف PT8 (موبایل) بخشی از داشبورد نیست.

داشبورد باید تا حد امکان از نتایج و مدل‌های ذخیره‌شده استفاده کند؛ آموزش مجدد مدل‌های سنگین هنگام هر بار باز شدن صفحه ضروری نیست. هدف اصلی داشبورد، کمک به مشاهده، تحلیل و تفسیر نتایج است.

اصول ارزیابی علمی

  1. تقسیم داده بر اساس فرد: داده‌های یک فرد نباید هم‌زمان در آموزش و آزمون قرار گیرند. تقسیم تصادفی پنجره‌ها می‌تواند باعث نشت اطلاعات شود.

  2. جلوگیری از نشت در پنجره‌بندی: پنجره‌ها نباید از مرز دو فرد یا دو فعالیت عبور کنند.

  3. اعتبارسنجی جدا از آزمون: انتخاب مدل و تنظیم ابرپارامترها با داده اعتبارسنجی انجام می‌شود؛ آزمون فقط برای ارزیابی نهایی استفاده می‌شود.

  4. معیارهای متناسب با عدم توازن: Accuracy به‌تنهایی کافی نیست. Macro-F1، معیارهای هر کلاس و ماتریس درهم‌ریختگی نیز گزارش می‌شوند.

  5. مقایسه منصفانه: مدل‌ها باید تا حد امکان با تقسیم داده و پروتکل پیش‌پردازش یکسان مقایسه شوند.

  6. گزارش محدودیت‌ها: تفاوت افراد، هم‌پوشانی پنجره‌ها، شرایط آزمایشگاهی و تغییر دستگاه باید در تفسیر نتایج لحاظ شوند.

نحوه کار و تحویل

  • تحلیل‌ها، نوتبوک‌ها و گزارش اصلی به‌صورت فردی تهیه می‌شوند.

  • فایل داده خام را در مخزن Git قرار ندهید.

  • تحویل هر مرحله مطابق دستورالعمل همان تکلیف انجام می‌شود.

  • تحویل نهایی شامل نوتبوک‌های قابل اجرا، کدهای لازم، نمودارها، جدول مقایسه مدل‌ها و گزارش تحلیلی است.

  • گزارش باید نتیجه‌های واقعی آزمایش شما را توضیح دهد؛ نقل مطالب کتاب یا منابع اینترنتی جای تحلیل داده خودتان را نمی‌گیرد.

  • استفاده از کتابخانه‌ها و ابزارهای هوش مصنوعی مجاز است، اما باید بتوانید کد، معادلات، نمودارها و نتیجه‌گیری‌ها را توضیح دهید. در دفاع شفاهی ممکن است بخشی از کار به‌صورت تصادفی انتخاب شود.

توسعه‌های اختیاری

موارد زیر جزو هفت تکلیف اصلی نیستند و فقط در صورت اعلام مدرس یا به‌عنوان توسعه اختیاری انجام می‌شوند:

  • Domain Shift: ثبت داده با تلفن همراه دیگر و بررسی انتقال مدل آموزش‌دیده روی WISDM به داده جدید؛

  • مدل‌های جایگزین: بررسی روش‌هایی مانند Random Forest یا MLP به‌عنوان مقایسه تکمیلی.

ساختار پیشنهادی گزارش نهایی

  1. مسئله، داده و محدودیت‌های آن؛

  2. تحلیل اکتشافی و روش آماده‌سازی داده؛

  3. ویژگی‌سازی، کوواریانس و PCA؛

  4. مدل‌های گاوسی و بیزی؛

  5. Logistic Regression و مرز تصمیم؛

  6. GMM و انتخاب تعداد مؤلفه‌ها؛

  7. HMM، Forward و Viterbi؛

  8. CNN و مقایسه‌ی مدل‌ها؛

  9. تحلیل خطا، محدودیت‌ها و جمع‌بندی.

پرسش نهایی پروژه

آیا افزودن پیچیدگی آماری، ساختار زمانی و یادگیری عمیق، تشخیص فعالیت را واقعاً بهتر می‌کند؟ این بهبود در چه شرایطی رخ می‌دهد و در چه شرایطی با محدودیت داده، تغییر فرد یا تغییر دستگاه از بین می‌رود؟

مطالعه تکمیلی: داده‌های دنباله‌ای و زمانی

پیش از ورود به PT6، متن کوتاه Sequence Data: From Independent Samples to Ordered Observations را مطالعه کنید. این متن مفاهیم لازم درباره دنباله، پنجره‌بندی، وابستگی زمانی و تقسیم صحیح داده را معرفی می‌کند.

منابع