احسان نریمانی - دانشجوی دکتری مهندسی نرم افزار کامپیوتر، دانشگاه یاسین بروجرد، ایران
شیوا یوسفوند - کارشناس ارشد مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامی واحد کرمانشاه، ایران
ایمان یوسفوند - کارشناس مهندسی کامپیوتر، مرکز آموزش عالی الشتر، دانشگاه لرستان، ایران

با توجه به افزایش جمعیت افراد سالخورده در جوامع مختلف نیاز به تمهیداتی برای حفظ و نگهداری این افراد نیز افزایش پیدا کرده است. یکی از عوامل خطرساز در سلامتی افراد سالخورده افتادن است. سیستم های تشخیص افتادن می توانند از عواقب ناشی از دیر رسیدن امداد و صدمات بیشتر جلوگیری کنند. مسئله اصلی در سیستم های تشخیص افتادن چگونگی تشخیص درست افتادن از کارهای روزمره زندگی است. در این مقاله روش جدیدی برای تشخیص افتادن انسان ارائه شده است که از حسگرهای حرکتی موجود در تلفن های همراه هوشمند به دلیل کارایی بالاتر روش های مبتنی بر حسگرهای حرکتی بی سیم برای جمع آوری داده استفاده شده است. در این تحقیق برای کارآمدی بهتر با استفاده از ماشین یادگیری روشی برای تشخیص درست افتادن افراد در زمان، مکان و فعالیت مختلف ارائه شده است. بدین منظور از شبکه های عصبی مصنوعی - فازی تطبیقی برای یادگیری و استنتاج در طراحی استفاده شده است.

تشخیص افتادن، ژیروسکوپ، شبکه عصبی مصنوعی- فازی تطبیقی، شتاب سنج