基於類神經網路之睡眠效率評估系統

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：36

、訪客IP：18.217.228.35

姓名

魏上杰(Shang-Chieh Wei) 查詢紙本館藏

畢業系所

資訊工程學系

論文名稱

基於類神經網路之睡眠效率評估系統
(A Sleep Efficiency Assessment System Based on Artificial Neural Networks)

相關論文

★ 以Q-學習法為基礎之群體智慧演算法及其應用	★ 發展遲緩兒童之復健系統研製
★ 從認知風格角度比較教師評量與同儕互評之差異：從英語寫作到遊戲製作	★ 基於檢驗數值的糖尿病腎病變預測模型
★ 模糊類神經網路為架構之遙測影像分類器設計	★ 複合式群聚演算法
★ 身心障礙者輔具之研製	★ 指紋分類器之研究
★ 背光影像補償及色彩減量之研究	★ 類神經網路於營利事業所得稅選案之應用
★ 一個新的線上學習系統及其於稅務選案上之應用	★ 人眼追蹤系統及其於人機介面之應用
★ 結合群體智慧與自我組織映射圖的資料視覺化研究	★ 追瞳系統之研發於身障者之人機介面應用
★ 以類免疫系統為基礎之線上學習類神經模糊系統及其應用	★ 基因演算法於語音聲紋解攪拌之應用

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

近年來，穿戴式裝置已成為人們生活中，不可或缺的3C產品之一，幫助我們解決生活中許多問題，並為帶給我們日常生活更多便利，其中常見的應用為，使用行動裝置監控一個人行走的步數、心率及睡眠品質等，而睡眠是人生活中很重要的一環，大多數人都有睡眠障礙的問題，為能夠透過穿戴式裝置來幫助入眠，因此，本論文提出一種基於類神經網路的睡眠效率評估系統。
　　此系統是透過多層感知機和放射狀基底函數網路的模型，並利用穿戴式裝置所收集使用者的資料預測睡眠效率，讓使用者可以預期今天睡眠狀況，其中，收集的資料包含使用者基本資料、心率、卡路里、步伐，以及飲食等與使用者睡眠相關資料，此外，本論文亦針對收集資料的特徵，且使用皮爾森係數、主成份分析及費雪係數，進一步分別檢驗每個特徵對於睡眠效率的相關度，此外，更進一步於系統中增加氣氛裝置之功能，讓使用者能夠利用此裝置調整環境，以提升睡眠效率。
在本論文的實驗中，我們比較現有的睡眠資料集和自己收集的資料集的差異，亦加入深度學習的深度神經網路，並針對各種類神經網路架構比較辨識效果。

摘要(英)

In recent years, wearable devices are one of indispensable products. The advantages of wearable devices that help us to solve the problem and bring us a more convenient daily life, such as use of wearable devices to monitor a person walking steps, heart rate and the quality of sleep, etc. Nowadays, Sleep issue has become increasing seriousness, there are more and more people suffer from insomnia or sleep disorder. In order to assess sleep efficiency by wearable devices. Therefore, this thesis is about to proposes a sleep efficiency assessment system based on artificial neural networks.
　　This system which based on MLP and RBFN, including users’ basic information, heart rate, calories, step, diet and sleep-related information to predict sleep efficiency, which also uses the Pearson coefficient, principal component analysis and Fisher ratio respectively, for the test feature to collect data for each feature correlation sleep efficiency, an additional function of the atmosphere device in the system, allowing users to take advantage of this means for adjusting environment, improve sleep efficiency.
The experiment in this thesis has compared to other sleep dataset and our dataset. We also refer to deep neural network to test the datasets, and compare accuracy for artificial neural networks.

關鍵字(中)

★ 類神經網路
★ 睡眠效率
★ 穿戴式裝置

關鍵字(英)

★ Neural Network
★ Sleep Efficiency
★ Wearable device

論文目次

摘要----------------------------------------I
ABSTRACT------------------------------------III
誌謝----------------------------------------V
目錄----------------------------------------VI
圖目錄--------------------------------------VIII
表目錄--------------------------------------IX
第一章、緒論--------------------------------1
1-1研究動機---------------------------------1
1-2研究目的---------------------------------2
1-3論文架構---------------------------------3
第二章、相關研究----------------------------4
2-1穿戴式裝置相關研究-----------------------4
2-2睡眠相關研究-----------------------------6
2-2-1 失眠----------------------------------6
2-2-2 聲音對睡眠之影響----------------------7
2-2-3 顏色對睡眠之影響----------------------8
2-2-4 氣味對睡眠之影響----------------------9
2-2-5 睡眠對於心率之影響--------------------10
2-3現有商用---------------------------------11
2-3-1 Runtastic Sleep Better----------------11
2-3-2 Sleep as Android----------------------12
2-3-3 Sleepion------------------------------13
2-3-4 現有商用綜合比較----------------------15
第三章、研究方法----------------------------16
3-1倒傳遞類神經網路-------------------------17
3-1-1 網路符號表示--------------------------18
3-1-2 倒傳遞演算法--------------------------19
3-2放射狀基底類神經網路---------------------22
3-3深度學習---------------------------------25
第四章、系統實作與功能----------------------29
4-1系統架構---------------------------------29
4-1-1硬體介紹-------------------------------30
4-1-2 軟體與API介紹-------------------------34
4-2功能介紹---------------------------------36
4-2-1 推薦系統------------------------------36
4-2-2 裝置操作------------------------------38
4-2-3 個人資料紀錄--------------------------42
第五章、實驗設計與結果----------------------46
5-1實驗步驟---------------------------------46
5-2資料集處理-------------------------------47
5-2-1 皮爾森相關係數------------------------48
5-2-2 主成分分析----------------------------49
5-2-3 費雪比率法----------------------------53
5-2-4 深度神經網路架構----------------------55
5-3實驗結果---------------------------------57
5-3-1 資料集訓練與測試結果------------------57
5-3-2 自收集資料集訓練與測試結果------------65
第六章、結論與未來展望----------------------100
結論---------------------------------------100
未來展望------------------------------------101
參考文獻------------------------------------102

參考文獻

[1] 臺安醫院護理專欄.[Online]. Available:
http://www.tahsda.org.tw/newsletters/?p=641. [Accessed:10-Jun-2016].
[2] 睡眠多項生理檢查.[Online]. Available:
http://www.sleep.org.tw/ugC_Polysomnography.asp.[Accessed:12-Jun-2016].
[3] 王清松、鄧凱文、趙文嘉、洪佳婷和蔡承謁，「遠距照護監測系統」，亞東學報，第31期，39-44頁，民國一百年。
[4] ResearchKit and CareKit.[Online]. Available:
http://www.apple.com/researchkit/.[ Accessed:18-Jun-2016].
[5] 維基百科：失眠.[Online]. Available: https://goo.gl/bRRq2s. [Accessed:12-Jun-2016].
[6] P. P. Doghramji, "Recognizing sleep disorders in a primary
care setting", J Clin Psychiatry , vol 65, pp. 23-26,2004.
[7] N. Jauˇsovec, K. Jauˇsovec, and I. Gerliˇc, "The influence of mozarts
music on brain, Clin Neurophysiol" , vol 117 no.12 , pp. 2703-14,2006.
[8] L. Harmat, J. Tak´acs, and R. Bodizs, "Music improves sleep quality
in students. Journal of advanced nursing," vol 62 no. 3, pp. 327–335, 2008.
[9] J. Escher and D. Evequoz , "music and heart rate variability.
study of the effect of music on heart rate variability in healthy
adolescents" , Praxis, vol 88 no. 21, pp. 951–952, 1999.
[10] 顏色的神奇生理作用.[Online]. Available:
http://big5.xinhuanet.com/gate/big5/news.xinhuanet.com/health/2006-09/29/content_5151595.htm. [Accessed:10-Jun-2016].
[11] THE SECRET TO A GOOD NIGHT’S SLUMBER IS TO SLEEP IN A BLUE BEDROOM.[Online]. Available:
https://www.travelodge.co.uk/press-centre/press-releases/SECRET-GOOD-NIGHT%E2%80%99S-SLUMBER-SLEEP-BLUE-BEDROOM. [Accessed:15-Jun-2016].
[12] 陳晧玉，「天然的佛手柑精油芳香療法的確效性研究」，朝陽科技大學資訊工程學系碩士論文，民國一百零二年。
[13] 楊思憶，「薰衣草經由嗅香對護理人員睡眠品質改善成效探討」，義守大學管理學院碩士在職班碩士論文，民國一百零三年。
[14] 吳緒慧，「薰衣草精油噴霧吸入對輪班護理人員自主神經功能之影響」，南華大學自然醫學研究所碩士論文，民國九十八年。
[15] 曾月霞，「芳香療法於護理的運用」，護理雜誌，第52期，11-15頁，民國九十四年。
[16] Heart rate.[Online]. Available: https://en.wikipedia.org/wiki/Heart_rate. [Accessed:12-Jun-2016].
[17] Rapid eye movement sleep.[Online]. Available:
https://en.wikipedia.org/wiki/Rapid_eye_movement_sleep. [Accessed:17-Jun-2016].
[18] E. Vanoli, P. B. Adamson, B. Lin, G. D. Pinna, R. Lazzara, and W. C. Orr, "Heart rate variability during specific sleep stages", Circulation1995, vol 91, pp. 1918-1922, 1995.
[19] Runtastic Sleep Better 優質睡眠.[Online]. Available:
https://play.google.com/store/apps/details?id=com.runtastic.android.sleepbetter.lite&referrer=adjust_reftag%3DcI3lPREQGXqZo%26utm_source%3DRuntastic. [Accessed:12-Jun-2016].
[20] Sleep as Android. [Online]. Available:
https://play.google.com/store/apps/details?id=com.urbandroid.sleep. [Accessed:18-Jun-2016].
[21] Sleepion - Stimulate the Senses to Induce Better Sleep. [Online]. Available: https://www.kickstarter.com/projects/61718886/sleepion-stimulate-the-senses-to-induce-better-sle/description. [Accessed:1-Jun-2016].
[22] 蘇木春、張孝德，機械學習：類神經網路、模糊系統以及基因演算法則，全華圖書股份有限公司，民國一百零一年。
[23] Accelerate Machine Learning with the cuDNN Deep Neural Network Library. [Online]. Available:
https://devblogs.nvidia.com/parallelforall/accelerate-machine-learning-cudnn-deep-neural-network-library/. [Accessed:10-Jun-2016]
[24] 維基百科：卷積神經網路.[Online]. Available:
http://ibillxia.github.io/blog/2013/04/06/Convolutional-Neural-Networks/. [Accessed:20-Jun-2016].
[25] 維基百科：限制波茲曼機.[Online]. Available: https://goo.gl/0EoJu3. [Accessed:30-Jun-2016].
[26] 維基百科：深度學習.[Online]. Available: https://goo.gl/EyMtSf. [Accessed:20-Jun-2016].
[27] Tensorflow. [Online]. Available: https://www.tensorflow.org/. [Accessed:10-Jun-2016].
[28] Use SmartBand 2 sensor data for innovative Android and iOS
applications.[Online]. Available:
https://developer.sony.com/2015/09/10/use-smartband-2-sensor-data-for-innovative-android-and-ios-applications/. [Accessed:10-Jun-2016].
[29] Google Fit.[Online]. Available: https://developers.google.com/fit/?hl=zh-TW. [Accessed:10-Jun-2016].
[30] A. K. Morin, "Strategies for treating chronic insomnia", The American Journal of Managed Care, pp. S230-S245, 2006.
[31] D. A. Dean, A. L. Goldberger, R. Mueller, M. Kim, M. Rueschman, D. Mobley, S. S. Sahoo, C. P.Jayapandian, L. Cui, M. G. Morrical, S. Surovec, G. Q. Zhang, and S. Redline, "Scaling Up Scientific Discovery in Sleep Medicine: The National Sleep Research Resource," Sleep, vol 5, pp. 1151–1164, 2016.
[32] D. R. Cooper and P. S. Schindler , Business Research Methods seventh edition, New York: Irwin/Mc Graw-Hill, 2001.
[33] S. Haykin, Neural Networks: A Comprehensive Foundation, Prentice-Hall, 1999.
[34] 彭昭英、唐麗英，SAS 123，儒林圖書公司，民國九十一年。
[35] IBM SPSS Software.[Online]. Available:
http://www.ibm.com/analytics/us/en/technology/spss/. [Accessed:10-Jun-2016].
[36] 陳順宇，多變量分析，華泰書局，民國八十七年。
[37] 維基百科：顯著性水平.[Online]. Available: http://wiki.mbalib.com/zh-tw/%E6%98%BE%E8%91%97%E6%80%A7%E6%B0%B4%E5%B9%B3. [Accessed:10-Jun-2016].
[38] K. Z. Mao, "RBF Neural Network Center Selection Based on Fisher Ratio Class Separability Measure," IEEE Trans. on Neural Networks, vol. 13 no. 5, pp. 1211-1217, 2002.
[39] R. O. Duda and P. E. Hart, Pattern Classification and Scene Analysis, New York: Wiley, 1973.
[40] 交叉驗證(cross validation). [Online]. Available: https://cg2010studio.com/2012/10/22/%E4%BA%A4%E5%8F%89%E9%A9%97%E8%AD%89-cross-validation/. [Accessed:10-Jun-2016].

指導教授

蘇木春

審核日期

2016-8-8

推文