Ihab AHMED

Diplomová práce

Enhancing Human Activity Recognition through Transformer-based GANs

Abstract:
A custom Transformer-based GAN tailored for time-series data was developed to improve Human Activity Recognition systems. The effectiveness of the synthetic data generated was assessed, showing dependence on the diversity and quality of the training datasets. The synthetic data's impact on enhancing system performance and its potential for privacy-sensitive applications were also explored.
Abstract:
A custom Transformer-based GAN tailored for time-series data was developed to improve Human Activity Recognition systems. The effectiveness of the synthetic data generated was assessed, showing dependence on the diversity and quality of the training datasets. The synthetic data's impact on enhancing system performance and its potential for privacy-sensitive applications were also explored.
 
 
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 20. 8. 2024

Obhajoba závěrečné práce

  • Vedoucí: prof. Dr. Patrick Glauner

Citační záznam

Jak správně citovat práci

AHMED, Ihab. Enhancing Human Activity Recognition through Transformer-based GANs. České Budějovice, 2024. diplomová práce (Mgr.). JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH. Přírodovědecká fakulta

Plný text práce

Obsah online archivu závěrečné práce
Zveřejněno v Theses:
  • Soubory jsou nedostupné do 20. 8. 2027
  • Po tomto datu bude práce dostupná: světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH, Přírodovědecká fakulta

JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH

Přírodovědecká fakulta

Magisterský studijní program / obor:
Artificial Intelligence and Data Science / Artificial Intelligence and Data Science