MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
05464nam a22003615i 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
393844 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| campo de control |
ES-MaUEC |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20230102123032.0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
cr nn 008mamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
220829s2022 sz | s |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9783031115349 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES |
|---|
| Número estándar o código |
10.1007/978-3-031-11534-9 |
| Fuente del número o código |
doi |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
ES-MaUEC |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
ES-MaUEC |
| 100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Uddin, Zia |
| Término indicativo de función/relación |
autor |
| Código de función/relación |
aut |
| -- |
http://id.loc.gov/vocabulary/relators/aut |
| 245 10 - MENCIÓN DE TÍTULO |
|---|
| Título |
Applied Machine Learning for Assisted Living |
| Mención de responsabilidad, etc. |
by Zia Uddin |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
1st edition 2022 |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Cham |
| Nombre del de productor, editor, distribuidor, fabricante |
Springer International Publishing |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2022 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
1 recurso en línea (XI, 131 páginas) |
| Otras características físicas |
60 ilustraciones, 52 ilustraciones a color |
| 336 ## - TIPO DE CONTENIDO |
|---|
| Término de tipo de contenido |
texto |
| Código de tipo de contenido |
txt |
| Fuente |
rdacontent |
| 337 ## - TIPO DE MEDIO |
|---|
| Nombre/término del tipo de medio |
electrónico |
| Código del tipo de medio |
c |
| Fuente |
rdamedia |
| 338 ## - TIPO DE SOPORTE |
|---|
| Nombre/término del tipo de soporte |
recurso electrónico |
| Código del tipo de soporte |
cr |
| Fuente |
rdacarrier |
| 347 ## - CARACTERÍSTICAS DEL ARCHIVO DIGITAL |
|---|
| Tipo de archivo |
archivo de texto |
| Formato de codificación |
PDF |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
1.Assisted Living -- 1. 1. Introduction -- 1.2. Surveys on Assisted Living -- 1.3. Assisted Living Projects -- 1.4. Target Users -- 1.4.1. Indoor Observations -- 1.4.2. Outdoor Observations -- 1.5. Privacy and Data Protection -- 1.6. Conclusion -- References -- 2. Sensors and Features for Assisted Living Technologies -- 2.1. Sensors in User care -- 2.1.1. Wearable Sensors -- 2.1.2. Smart Daily Objects -- 2.1.3. Environmental Sensors -- 2.1.2. Wearables with Ambient Sensors -- 2.1.3. Ambient Sensors in Robotic Assisted Living -- 2.2. Feature Extraction -- 2.2.1. Feature Extraction Using PCA -- 2.2.2. Kernel Principal Component Analysis (KPCA) -- 2.2.3. Feature Extraction Using ICA -- 2.2.4. Linear Discriminant Analysis (LDA) -- 2.2.5. Generalized Discriminant Analysis (GDA) -- 2.3. Discussion -- 2.4. Conclusion -- References -- 3. Machine Learning -- 3.1 Shallow Machine Learning -- 3.1.1. Support Vector Machines -- vii -- 3.1.2. Random Forests -- 3.1.3. AdaBoost and Gradient Boosting -- 3.1.4. Nearest Neighbors -- 3.1.5. Examples -- 3.2. Deep Machine Learning -- 3.2.1. Deep Belief Networks (DBN) -- 3.2.2. Convolutional Neural Network -- 3.2.3. Recurrent Neural Networks -- 3.2.4. Neural Structured Learning -- 3.2.4. Pre-trained deep learning models -- 3.3. Explainable AI (XAI) -- 3.3.1. Local Explanations -- 3.3.2. Rule-based Explanations -- 3.3.3. Visual Explanations -- 3.3.4. Feature Relevance Explanations -- 3.4. Discussion -- 3.5. Conclusion -- References -- 4. Applications -- 4.1. Wearable Sensor-based Behavior Recognition -- 4.1.1. MHEALTH Dataset -- 4.1.2. Experimental Results on MHEALTH Dataset -- 4.1.3. PUC-Rio Dataset -- 4.1.4. Experimental Results on PUC-Rio Dataset -- 4.1.5. ARem Dataset -- 4.1.6. Experimental Results on AReM Dataset -- 4.3. Video Camera-based Behavior Recognition -- 4.3.1. Binary Silhouettes and Features -- 4.3.2. Depth Silhouettes and Features -- 4.3.3. 3-D Model-based HAR -- 4.4. Other Ambient Sensor-based Behavior Recognition -- 4.4.1. CASAS Dataset -- viii -- 4.4.2. Experimental Results -- 4.5. Conclusion -- References. |
| 520 ## - SUMARIO, ETC. |
|---|
| Sumario, etc. |
User care at home is a matter of great concern since unforeseen circumstances might occur that affect people's well-being. Technologies that assist people in independent living are essential for enhancing care in a cost-effective and reliable manner. Assisted care applications often demand real-time observation of the environment and the resident's activities using an event-driven system. As an emerging area of research and development, it is necessary to explore the approaches of the user care system in the literature to identify current practices for future research directions. Therefore, this book is aimed at a comprehensive review of data sources (e.g., sensors) with machine learning for various smart user care systems. To encourage the readers in the field, insights of practical essence of different machine learning algorithms with sensor data (e.g., publicly available datasets) are also discussed. Some code segments are also included to motivate the researchers of the related fields to practically implement the features and machine learning techniques. It is an effort to obtain knowledge of different types of sensor-based user monitoring technologies in-home environments. With the aim of adopting these technologies, research works, and their outcomes are reported. Besides, up to date references are included for the user monitoring technologies with the aim of facilitating independent living. Research that is related to the use of user monitoring technologies in assisted living is very widespread, but it is still consists mostly of limited-scale studies. Hence, user monitoring technology is a very promising field, especially for long-term care. However, monitoring of the users for smart assisted technologies should be taken to the next level with more detailed studies that evaluate and demonstrate their potential to contribute to prolonging the independent living of people. The target of this book is to contribute towards that direction. |
| 988 ## - NOTA LOCAL 598 |
|---|
| Nota local 598 (boletines) |
Springer_Computer_2022 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783031115332 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783031115356 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9783031115363 |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Identificador Uniforme del Recurso |
https://go.openathens.net/redirector/universidadeuropea.es?url=https://doi.org/10.1007/978-3-031-11534-9 |
| Nota pública |
Acceso a este recurso digital (usuarios Universidad Europea de Madrid) |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Library of Congress Classification |
| Tipo de ítem Koha |
LIBRO-E NO PRÉSTAMO |