PIR sensor從google上查找可以找到許多關於製造類似產品的廠商:
網址為:PIR sensor
Fresnel lens :
在維基百科中有介紹，是一種稱為涅菲爾透鏡的產品，
網址為: Fresnel lens
此篇文章最大貢獻在於他們找到了threshold=(0.4~-o.4)，可以抵抗室內外干擾，還有寵物的干擾。
這是網路上找到的一個相關研究
星期四, 7月 12, 2007
星期一, 7月 09, 2007
製作給專題生的專題報告流程
長程計畫 :完成走失偵測整套系統，當作專題成果
完成時間 :十一月初
進度 :使系統大部分功能可運作
中程計畫 :以此套系統參加學生競賽和和TANET的展示
初步完成時間 :9/30 進度 :使整體系統可模擬出
短期計畫 :[1]TANET paper(1)部落格PAPER (2)走失偵測paper，[2]學生競賽第一階段評審資料 時間 :七月31前完成
細項工作分配 :
走失偵測配置方面
(1)翁陳昂->負責google maps 的程式部份，並協助傳資料檔案的系統建置。
(2)馬瑱賢->負責ASP.NET網頁部份，如何使用電腦存取和接收PDA回傳的資料。
(3)彭書敏->負責PDA中資料的傳輸和擷取，如何將資料自動傳給主機。
論文寫作方面
(1)此二篇大致的內容我會完成，尤其是第二篇，因為各位對於概念還不是很清楚，因此 我會先完成，之後你們三個仔細閱讀，把想法以WORD檔寫給我，包含該怎麼作，有哪些部分不懂。 (2)部落格的那篇，翁陳昂就不需要去撰寫，主要由馬瑱賢和彭書敏來完成。
學生競賽方面
這部份的資料我會完成，不過就跟走失偵測架構依樣，在我完成之後會要求各位閱讀，了解內容，然後 以word檔傳給我，長度至少要兩張A4。
以上是工作配置，有什麼問題再聯絡我，在你們畢業旅行之後就必須開始實施。
完成時間 :十一月初
進度 :使系統大部分功能可運作
中程計畫 :以此套系統參加學生競賽和和TANET的展示
初步完成時間 :9/30 進度 :使整體系統可模擬出
短期計畫 :[1]TANET paper(1)部落格PAPER (2)走失偵測paper，[2]學生競賽第一階段評審資料 時間 :七月31前完成
細項工作分配 :
走失偵測配置方面
(1)翁陳昂->負責google maps 的程式部份，並協助傳資料檔案的系統建置。
(2)馬瑱賢->負責ASP.NET網頁部份，如何使用電腦存取和接收PDA回傳的資料。
(3)彭書敏->負責PDA中資料的傳輸和擷取，如何將資料自動傳給主機。
論文寫作方面
(1)此二篇大致的內容我會完成，尤其是第二篇，因為各位對於概念還不是很清楚，因此 我會先完成，之後你們三個仔細閱讀，把想法以WORD檔寫給我，包含該怎麼作，有哪些部分不懂。 (2)部落格的那篇，翁陳昂就不需要去撰寫，主要由馬瑱賢和彭書敏來完成。
學生競賽方面
這部份的資料我會完成，不過就跟走失偵測架構依樣，在我完成之後會要求各位閱讀，了解內容，然後 以word檔傳給我，長度至少要兩張A4。
以上是工作配置，有什麼問題再聯絡我，在你們畢業旅行之後就必須開始實施。
星期一, 7月 02, 2007
Developing Event-condition-action Rules in Real-time Active Database摘要
此篇論文以時間和所發生事件之間的關係來作為探討，其中兩個比較關鍵的詞為real-time active database (RDATB)，和Event-condition-action(ECA)。
real-time active database (RDATB):主要有解決複雜事物的特性
Event-condition-action(ECA):在此篇論文中主要功用為，(1)可提供各式各樣的時間性的事件，可描述複雜的關於時間的資訊。可提高ECA rules 去表達複雜的時間性問題，可當作RDATB去解決類似問題的基礎，(2)他們提供一個自然的方法讓使用者去了解和定義ECA rules，這提高使用者的參與，提高解決問題的彈性。
在一個以電腦為基礎的smart home中，感測器散佈在各個角落去偵測使用者在房子中的行為，並透過與各式家庭設備的互動追蹤使用者。然後將資料送給RDATB。在ECA rules 中，RDATB可以偵測多重的事件和內容，為了要去區分各種不同的狀況和興趣。如此一來，此系統就可以預測此環境中淺在的和實際上的危險，並且可以有智慧的辨別出如何提供最好的建議給使用者。並可透過手機或是其他裝置聯絡相關的人。
運作流程為:sensors--->RDATB--->cell phone/special device--->related persons
文中所提到的關於時間性的資訊，有一例子為:當一個門開著，可是後來卻沒有人經過，及代表此門是出乎意料的開著的，即使用者忘了關。這種情況在睡覺時是非常危險的，當晚上十點到隔天早上七點鐘之間，如有發生此狀況就通知使用者。另外，就是關於醫學方面的使用，他們研究是先發生心跳不正常還是血壓先發生變化，這兩者間有無特定關係。而要偵測這些資訊都是要將事件和時間整合起來，而無法只關心單一事件。
這片論文中的細節是我可以使用在detecting中的，是非常好的範本。
real-time active database (RDATB):主要有解決複雜事物的特性
Event-condition-action(ECA):在此篇論文中主要功用為，(1)可提供各式各樣的時間性的事件，可描述複雜的關於時間的資訊。可提高ECA rules 去表達複雜的時間性問題，可當作RDATB去解決類似問題的基礎，(2)他們提供一個自然的方法讓使用者去了解和定義ECA rules，這提高使用者的參與，提高解決問題的彈性。
在一個以電腦為基礎的smart home中，感測器散佈在各個角落去偵測使用者在房子中的行為，並透過與各式家庭設備的互動追蹤使用者。然後將資料送給RDATB。在ECA rules 中，RDATB可以偵測多重的事件和內容，為了要去區分各種不同的狀況和興趣。如此一來，此系統就可以預測此環境中淺在的和實際上的危險，並且可以有智慧的辨別出如何提供最好的建議給使用者。並可透過手機或是其他裝置聯絡相關的人。
運作流程為:sensors--->RDATB--->cell phone/special device--->related persons
文中所提到的關於時間性的資訊，有一例子為:當一個門開著，可是後來卻沒有人經過，及代表此門是出乎意料的開著的，即使用者忘了關。這種情況在睡覺時是非常危險的，當晚上十點到隔天早上七點鐘之間，如有發生此狀況就通知使用者。另外，就是關於醫學方面的使用，他們研究是先發生心跳不正常還是血壓先發生變化，這兩者間有無特定關係。而要偵測這些資訊都是要將事件和時間整合起來，而無法只關心單一事件。
這片論文中的細節是我可以使用在detecting中的，是非常好的範本。
星期四, 6月 28, 2007
A Distributed Approach for Assistive Service Provision in Pervasive Environment 閱讀簡報
此篇是由franson所查找到的
在introduction的部份:
主要在介紹關於他們所提供的服務種類和對象，
在服務種類方面:
Remote Control Service:開門，呼叫電梯的按鈕，使交通號誌紅燈的按鈕，...
Navigation Assistance Service:可在行走到目標，可在室內行走...
Informantion Service:巴士到站時間表...
Security Service:可緊急的呼叫，可在很遠的地方就可提供協助...
他們稱此服務為:"Assistive Service"
對服務對象:physical/cognitive restriction or the elderly。
內容上:
此篇比較了三種提供服務的模式
第一種:Internet service(internet-based service)
第二種:Ad-hoc service(interacts with a single node or another user, like Bluetooth)
第三種:local access service(interacting with an environment, like hospital, mall,...)
從內容中可看出，此篇論文的重點在於如何利用網路來提供使用者資訊，但是此篇論文雖然偶提供個案，但是可感受出沒有實際針對要提供服務的使用者去思考，很多部分仍屬概念性的想法，但是這些概念性的想法可讓我的觀念更加清析，有很大的收穫。
第一:此篇文字所描述的內容與我們國科會所描述的內容相近，是可以作為寫相關論文的參考範本之ㄧ。
第二:在網路服務方面，提供完整性的架構，與我們所思考的模式相近，譬如如何傳檔案，接收檔案，等等，讓我知道該如何去表達我們要使用的技術名稱。
第三:知道自己的優缺點在哪，
缺點:
在此篇，雖然提供服務眾多，但是目前仍是在概念性，這也是我該擔憂之處，另外，我在概念處的地方也該補強，思考哪些方面是他們沒有提供的服務，而我們需要去做的。
優點:
他們只假設狀況，無實際去探討physical/cognitive restriction or the elderly他們的問題，相較之下，我們針對精神障礙者下去做服務，探討問題並針對問題開發，所做的服務更加深入，這是此篇論文比較可惜之處，不過此篇仍是一篇不錯的論文。
在introduction的部份:
主要在介紹關於他們所提供的服務種類和對象，
在服務種類方面:
Remote Control Service:開門，呼叫電梯的按鈕，使交通號誌紅燈的按鈕，...
Navigation Assistance Service:可在行走到目標，可在室內行走...
Informantion Service:巴士到站時間表...
Security Service:可緊急的呼叫，可在很遠的地方就可提供協助...
他們稱此服務為:"Assistive Service"
對服務對象:physical/cognitive restriction or the elderly。
內容上:
此篇比較了三種提供服務的模式
第一種:Internet service(internet-based service)
第二種:Ad-hoc service(interacts with a single node or another user, like Bluetooth)
第三種:local access service(interacting with an environment, like hospital, mall,...)
從內容中可看出，此篇論文的重點在於如何利用網路來提供使用者資訊，但是此篇論文雖然偶提供個案，但是可感受出沒有實際針對要提供服務的使用者去思考，很多部分仍屬概念性的想法，但是這些概念性的想法可讓我的觀念更加清析，有很大的收穫。
第一:此篇文字所描述的內容與我們國科會所描述的內容相近，是可以作為寫相關論文的參考範本之ㄧ。
第二:在網路服務方面，提供完整性的架構，與我們所思考的模式相近，譬如如何傳檔案，接收檔案，等等，讓我知道該如何去表達我們要使用的技術名稱。
第三:知道自己的優缺點在哪，
缺點:
在此篇，雖然提供服務眾多，但是目前仍是在概念性，這也是我該擔憂之處，另外，我在概念處的地方也該補強，思考哪些方面是他們沒有提供的服務，而我們需要去做的。
優點:
他們只假設狀況，無實際去探討physical/cognitive restriction or the elderly他們的問題，相較之下，我們針對精神障礙者下去做服務，探討問題並針對問題開發，所做的服務更加深入，這是此篇論文比較可惜之處，不過此篇仍是一篇不錯的論文。
星期一, 6月 25, 2007
星期五, 6月 22, 2007
星期三, 6月 20, 2007
survey paper
論文名稱:
Extracting Places and Activities from GPS Traces Using Hierarchical Conditional Random Fields
此篇作者是Lin Liao, Dieter Fox, Henry Kautz
發表處:The International Journal of Robotics Research, Vol. 26, No. 1, 119-134 (2007)
論文中主要是利用GPS資料來作為分析和探討人的行為和此使用者所去的地方的關連，譬如去餐廳可能的行為就是用餐，或者是買飲料，等，本篇論文以階層式的行為架構為基礎，以隱藏式的馬可夫模型為方法去實行這個研究，他們的研究成果可以透過收集其他人的行為資料來預測某位使用者的下個動作和想去的地方。
此篇文章所使用的方法:ourapproach uses one consistent framework for both low-levelinference and the extraction of a person’s significant places.This is done by iteratively constructing a hierarchical conditionalrandom field, where the upper level is generated basedon MAP inference on the lower level. Once a complete modelis constructed, we perform joint inference in the completeCRF. Discriminative learning using pseudo-likelihood and inferenceusing loopy belief propagation can be performed extremelyefficiently in our model: The analysis of a GPS tracecollected over a week takes approximately one minute on astandard desktop PC.
研究的目的:Our experiments based on traces of GPS data showthat oursystem significantly outperforms existing approaches. In additionto being able to learn a person’s significant locations, it can infer low-level activities such as walking, working, or gettinginto a bus.We demonstrate that the model can be trained from a group of persons and then applied successfully to a different person, achieving more than 85% accuracy in determininglow-level activities and above 90% accuracy in detectingand labeling significant places. Our model achievesvirtually identical accuracy both with and without a streetmap. The output of our system can also be used to generatetextual summaries of a person’s daily activities.
我覺得這篇研究貢獻最大的地方就是可以透過學習一開始的使用者的模式，來提供接下來的使用者使用。
論文名稱Building Personal Maps from GPS Data
作者:Lin Liao, Donald J. Patterson, Dieter Fox, Henry Kautz
發表處:Volume 1093 Progress in Convergence: Technologies for Human Wellbeing Page 249-265, December 2006
此篇論文主要在利用GPS原始的資料，系統將這些收集來的資料學習起來之後，根據這些統計好的資料繪製成一個地圖，並訂做給每一個使用者，以提供他每天該做的事和行為，在這個任務中這個系統使用的模型有辨別能力的和有生產力。此研究利用馬可夫網路可辨別關係的能力來將收集到的地點資訊，辨別出哪些位置對此位使用者來說是有意義的地點，且將這些地點標記下來。一個有生產力的辨識網路被用作學習日常交通的習慣,，並提供目的地和使用者在第一時間可能會發生的淺在的錯誤。在這篇論文中，我們著重在模型的基礎的架構和清楚的討論影響和學習技巧。實驗結果呈現我們的系統可以正確的得到和標記地點，預測使用者的目標,，並辨別使用者在什麼情況發生錯誤。(e.g., taking a wrong bus)
論文名稱:Bayesian models of human action understanding
作者:Chris L. Baker, Joshua B. Tenenbaum & Rebecca R. Saxe
發表處:Advances in Neural Information Processing Systems, 2006
此篇論文內容是使用貝氏定理來理解人的行為，並預測使用者的動作的目的的原因，根據可觀測到的行為。 理解行為是一種問題在在轉化的機率有生產力的模型，這個假設趨向於行動合理爲了達到目標在他們的環境中給約束。在這個詭異的空間，我們呈現此模型如何根據原因提供目標並預測這個動機會如何行動在新奇的情況或是當環境強制改變。這個模型提供一個質的利益在很多推理的方式在動前兒童(嬰兒) 表現出來的行為上, 並且實驗關於成人突然昏厥的量化預測，在一個新的實驗中可獲得的.
(4)論文名稱:Hierarchical conditional random fields for GPS-based activity recognition (2007)
作者:Lin Liao, Dieter Fox, and Henry KautzUniversity of Washington, Department of Computer Science & Engineering, Seattle, WA
發表處:The International Journal of Robotics Research, Vol. 26, No. 1, 119-134 (2007)
此篇論文內容同第一篇，差別在於內容的增刪，第一篇論文20頁，此篇論文長度十七頁
(5)論文名稱:Predestination: Inferring Destinations from Partial Trajectories
作者:John Krumm and Eric Horvitz
出處:UbiComp 2006: The Eighth International Conference on Ubiquitous Computing,
September 17-21, Orange County, CA, USA September 17-21, Orange County, CA, USA
我們描述一個方法稱作"Predestination"(事先預測終點) 是使用駕駛人的終點的歷史，隨著的是駕駛習慣的資料，去預測哪裡有一個駕駛人會當作一個旅程而前往。駕駛的習慣包含終點的形式，駕駛的效率，旅程的時間。根據考慮之前參觀過的終點，Predestination 手段變成熟在一個打開世界的模擬方法，考慮使用者之前參觀的位置資訊無法取得的可能性 還要考慮地點背景的特性。這允許我們的演算法可流暢的運作在“out of the box”之間在沒有測試資料或是在沒有增加獲得更完整的資料數時。在分析上多樣的組成的成分利用貝氏定理來推斷並產生一個關於終點機率的地圖。我們的演算法被測試和試驗在給予的資料上 是根據資料庫中在駕駛時所獲取的GPS的資料來畫出的，這些資料是收集169個不同的人，他們有超過7,335不同的旅程。
Extracting Places and Activities from GPS Traces Using Hierarchical Conditional Random Fields
此篇作者是Lin Liao, Dieter Fox, Henry Kautz
發表處:The International Journal of Robotics Research, Vol. 26, No. 1, 119-134 (2007)
論文中主要是利用GPS資料來作為分析和探討人的行為和此使用者所去的地方的關連，譬如去餐廳可能的行為就是用餐，或者是買飲料，等，本篇論文以階層式的行為架構為基礎，以隱藏式的馬可夫模型為方法去實行這個研究，他們的研究成果可以透過收集其他人的行為資料來預測某位使用者的下個動作和想去的地方。
此篇文章所使用的方法:ourapproach uses one consistent framework for both low-levelinference and the extraction of a person’s significant places.This is done by iteratively constructing a hierarchical conditionalrandom field, where the upper level is generated basedon MAP inference on the lower level. Once a complete modelis constructed, we perform joint inference in the completeCRF. Discriminative learning using pseudo-likelihood and inferenceusing loopy belief propagation can be performed extremelyefficiently in our model: The analysis of a GPS tracecollected over a week takes approximately one minute on astandard desktop PC.
研究的目的:Our experiments based on traces of GPS data showthat oursystem significantly outperforms existing approaches. In additionto being able to learn a person’s significant locations, it can infer low-level activities such as walking, working, or gettinginto a bus.We demonstrate that the model can be trained from a group of persons and then applied successfully to a different person, achieving more than 85% accuracy in determininglow-level activities and above 90% accuracy in detectingand labeling significant places. Our model achievesvirtually identical accuracy both with and without a streetmap. The output of our system can also be used to generatetextual summaries of a person’s daily activities.
我覺得這篇研究貢獻最大的地方就是可以透過學習一開始的使用者的模式，來提供接下來的使用者使用。
論文名稱Building Personal Maps from GPS Data
作者:Lin Liao, Donald J. Patterson, Dieter Fox, Henry Kautz
發表處:Volume 1093 Progress in Convergence: Technologies for Human Wellbeing Page 249-265, December 2006
此篇論文主要在利用GPS原始的資料，系統將這些收集來的資料學習起來之後，根據這些統計好的資料繪製成一個地圖，並訂做給每一個使用者，以提供他每天該做的事和行為，在這個任務中這個系統使用的模型有辨別能力的和有生產力。此研究利用馬可夫網路可辨別關係的能力來將收集到的地點資訊，辨別出哪些位置對此位使用者來說是有意義的地點，且將這些地點標記下來。一個有生產力的辨識網路被用作學習日常交通的習慣,，並提供目的地和使用者在第一時間可能會發生的淺在的錯誤。在這篇論文中，我們著重在模型的基礎的架構和清楚的討論影響和學習技巧。實驗結果呈現我們的系統可以正確的得到和標記地點，預測使用者的目標,，並辨別使用者在什麼情況發生錯誤。(e.g., taking a wrong bus)
論文名稱:Bayesian models of human action understanding
作者:Chris L. Baker, Joshua B. Tenenbaum & Rebecca R. Saxe
發表處:Advances in Neural Information Processing Systems, 2006
此篇論文內容是使用貝氏定理來理解人的行為，並預測使用者的動作的目的的原因，根據可觀測到的行為。 理解行為是一種問題在在轉化的機率有生產力的模型，這個假設趨向於行動合理爲了達到目標在他們的環境中給約束。在這個詭異的空間，我們呈現此模型如何根據原因提供目標並預測這個動機會如何行動在新奇的情況或是當環境強制改變。這個模型提供一個質的利益在很多推理的方式在動前兒童(嬰兒) 表現出來的行為上, 並且實驗關於成人突然昏厥的量化預測，在一個新的實驗中可獲得的.
(4)論文名稱:Hierarchical conditional random fields for GPS-based activity recognition (2007)
作者:Lin Liao, Dieter Fox, and Henry KautzUniversity of Washington, Department of Computer Science & Engineering, Seattle, WA
發表處:The International Journal of Robotics Research, Vol. 26, No. 1, 119-134 (2007)
此篇論文內容同第一篇，差別在於內容的增刪，第一篇論文20頁，此篇論文長度十七頁
(5)論文名稱:Predestination: Inferring Destinations from Partial Trajectories
作者:John Krumm and Eric Horvitz
出處:UbiComp 2006: The Eighth International Conference on Ubiquitous Computing,
September 17-21, Orange County, CA, USA September 17-21, Orange County, CA, USA
我們描述一個方法稱作"Predestination"(事先預測終點) 是使用駕駛人的終點的歷史，隨著的是駕駛習慣的資料，去預測哪裡有一個駕駛人會當作一個旅程而前往。駕駛的習慣包含終點的形式，駕駛的效率，旅程的時間。根據考慮之前參觀過的終點，Predestination 手段變成熟在一個打開世界的模擬方法，考慮使用者之前參觀的位置資訊無法取得的可能性 還要考慮地點背景的特性。這允許我們的演算法可流暢的運作在“out of the box”之間在沒有測試資料或是在沒有增加獲得更完整的資料數時。在分析上多樣的組成的成分利用貝氏定理來推斷並產生一個關於終點機率的地圖。我們的演算法被測試和試驗在給予的資料上 是根據資料庫中在駕駛時所獲取的GPS的資料來畫出的，這些資料是收集169個不同的人，他們有超過7,335不同的旅程。
星期日, 6月 17, 2007
目前工作進展
目前完成工作:(1)國科會計畫中的LBS服務已規劃完成，(2)全人關懷獎項的簡報已經完成，(3)走失偵測的架構已經開始書寫。
6/17~6/22:完成走失偵測完整架構，並閱讀完Using GPS to learn significantlocations and predict movement across multiple users此篇論文，和閱讀(Hierarchical Conditional Random Fields forGPSbasedActivity Recognition)此篇論文中的理論和介紹，增加相關的知識。
6/23~6/30:將走失偵測的論文以中文完稿，並持續書寫相關程式。
7/1~7/13:將走失偵測的論文改成英文，並學習如何評估線上討論版。
7/14~7/21:將TANET論文完稿。
6/17~6/22:完成走失偵測完整架構，並閱讀完Using GPS to learn significantlocations and predict movement across multiple users此篇論文，和閱讀(Hierarchical Conditional Random Fields forGPSbasedActivity Recognition)此篇論文中的理論和介紹，增加相關的知識。
6/23~6/30:將走失偵測的論文以中文完稿，並持續書寫相關程式。
7/1~7/13:將走失偵測的論文改成英文，並學習如何評估線上討論版。
7/14~7/21:將TANET論文完稿。
訂閱：
文章 (Atom)