Deep Learning Model for Human Activity Recognition (CNN + LSTM)

في هذا المشروع قمت ببناء نموذج متقدم للتعرّف على نشاط الإنسان Human Activity Recognition (HAR) باستخدام مزيج من خوارزميات CNN و LSTM لتحقيق أفضل أداء في فهم الإشارات الحركية.

محتوى المشروع:

معالجة البيانات الخام (Preprocessing) وتجهيزها للتدريب.

استخراج المميزات باستخدام Convolutional Neural Network (CNN).

استيعاب العلاقات الزمنية للحركة باستخدام Long Short-Term Memory (LSTM).

تدريب النموذج على بيانات متعددة الأنشطة البشرية.

تحليل النتائج وتقييم أداء النموذج باستخدام Accuracy و Loss.

الكود كامل ومتوفر على GitHub مع ملف Notebook مفسّر خطوة بخطوة.

مميزات المشروع:

دمج قوي بين CNN و LSTM للحصول على تمثيل دقيق للحركة.

قابل للتطوير ليتناسب مع تطبيقات:

مراقبة النشاط الرياضي

تتبّع المرضى

تطبيقات IoT

أنظمة الذكاء الاصطناعي القابلة للارتداء (Wearables)

تنظيم واضح للكود وسهولة في إعادة الاستخدام والتعديل.