Un asistente cognitivo de bajo costo
Autores: Costa, Angelo; Rincon, Jaime A.; Julian, Vicente; Novais, Paulo; Carrascosa, Carlos
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Un asistente cognitivo de bajo costo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Hardware
Cognitive assistant
Elderly people
Exercises
Deep learning models
Validationhardware
Asistente cognitivo
Personas mayores
Ejercicios
Modelos de aprendizaje profundo
Validación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
En este documento, presentamos en detalle los componentes de hardware de un asistente cognitivo de bajo costo. El objetivo es detectar el rendimiento y el estado emocional que presentan las personas mayores al realizar ejercicios. Los ejercicios físicos y cognitivos son una forma comprobada de mantener activas, saludables y felices a las personas mayores. Nuestro objetivo es llevar a las personas que están en sus hogares (o en lugares no supervisados) un asistente que los motive a realizar ejercicios y, al mismo tiempo, monitorearlos, observando sus respuestas físicas y emocionales. Nos enfocamos en las partes de hardware y los modelos de aprendizaje profundo para que puedan ser reproducidos por otros. La plataforma está siendo probada en una instalación de cuidado de personas mayores y la validación está en proceso.
Descripción
En este documento, presentamos en detalle los componentes de hardware de un asistente cognitivo de bajo costo. El objetivo es detectar el rendimiento y el estado emocional que presentan las personas mayores al realizar ejercicios. Los ejercicios físicos y cognitivos son una forma comprobada de mantener activas, saludables y felices a las personas mayores. Nuestro objetivo es llevar a las personas que están en sus hogares (o en lugares no supervisados) un asistente que los motive a realizar ejercicios y, al mismo tiempo, monitorearlos, observando sus respuestas físicas y emocionales. Nos enfocamos en las partes de hardware y los modelos de aprendizaje profundo para que puedan ser reproducidos por otros. La plataforma está siendo probada en una instalación de cuidado de personas mayores y la validación está en proceso.