Η γοητεία της αριθμομηχανής: Υπολογιστής Leviosa!
Έχετε δοκιμάσει ποτέ να κυματίζετε το χέρι σας γύρω σαν ένα μαγικό ραβδί και καλέστε μια αριθμομηχανή; Θα υποθέσουμε ότι δεν θεωρούσαμε ότι πιθανότατα θα φανεί λίγο ανόητο να το κάνετε αυτό. Αυτό αν δεν είχατε [Andrei] εκπληκτική αριθμομηχανή χειρονομίας. [Andrei] σκέφτηκε ότι θα ήταν πολύτιμο να χρησιμοποιήσετε μια αριθμομηχανή στο ερευνητικό του εργαστήριο χωρίς να χρειάζεται να πάρετε τα γάντια του μακριά και τα αποτελέσματα είναι αρκετά δροσερά.
Το υλικό του αποτελείται από μια τσέπη PocketBeaGle, μια OLED και μια αδρανειακή μονάδα μέτρησης MPU6050 για τη λήψη των κινήσεών του χρησιμοποιώντας ένα επιταχυνσιόμετρο και γυροσκόπιο. Το υλικό είναι αρκετά απλό, οπότε η έκκληση αυτού του έργου έγκειται στην εφαρμογή της μάθησης του κατασκευαστή της.
[Andrei] κατέλαβε πρώτα μερικά παραδείγματα δεδομένων για να εκπαιδεύσει τον αλγόριθμο του, αναδημιουργώντας τις χειρονομίες για κάθε αριθμό, 0-9 και καταγράφοντας το προκύπτον επιταχυνσιόμετρο και τις εξόδους gyrosce. Επεξεργάστηκε πρώτα τα δεδομένα με ένα μετασχηματισμό wavelet. Η πρόθεση του μετασχηματισμού ήταν διπλή. Πρώτον, ο μετασχηματισμός του επέτρεψε να ελαχιστοποιήσει τον αριθμό των δειγμάτων στα σύνολα δεδομένων του διατηρώντας παράλληλα τη μορφή του επιταχυνσιόμετρου και των σημάτων gyrosce, τα κρίσιμα χαρακτηριστικά της ταξινόμησης μάθησης του κατασκευαστή. Δεύτερον, ήταν σε θέση να αυξήσει τον αριθμό των χαρακτηριστικών για την ταξινόμηση, δεδομένου ότι ο μετασχηματισμός του Wavelet είχε ως αποτέλεσμα τόσο προσέγγιση όσο και σε εις βάθος συντελεστές που μπορούν και οι δύο να τροφοδοτηθούν στον αλγόριθμο.
Επειδή είχε ένα μικρό σύνολο δεδομένων, χρησιμοποίησε τη στρωματοποιημένη τεχνική Split Split αντί της δοκιμαστικής διαίρεσης αμαξοστοιχίας που είναι συνήθως πολύ πιο κατάλληλη για μεγαλύτερα σύνολα δεδομένων. Το στρωματοποιημένο Split Split σίγουρα σίγουρα γύρω από τον ίδιο αριθμό δειγμάτων τρένων και δοκιμών για κάθε χειρονομία. Ήταν επίσης πολύ συνειδητής της βελτιστοποίησης του μοντέλου του για να τρέξει σε μια φορητή μονάδα επεξεργασίας όπως το τσέπη. Πέρασε λίγο χρόνο βελτιστοποιώντας τις παραμέτρους του αλγορίθμου του και τελικά μετατράπηκε το μοντέλο του σε ένα μοντέλο tensorflwite χρησιμοποιώντας την ενσωματωμένη λειτουργία “tfliteconverter” μέσα στο Tensorflow.
Τέλος, σε αληθινή μόδα ανοιχτού κώδικα, ο κωδικός του είναι διαθέσιμος στο Github, οπότε αισθάνεστε δωρεάν για να το δώσετε. Υπολογιστής Leviosa!