0000000000927604
AUTHOR
Raimonds Rava
showing 3 related works from this author
Raspberry PI spēļu pārvaldības lietotne
2018
“Raspberry PI spēļu pārvaldības lietotne” ir lietotne kura piedāvā tās lietotājiem iespēju palaist spēles, apskatīt spēlētāju topus, pievienot un rediģēt spēlētājus. Lietotne arī nodrošina lietotāja datu nodošanu spēlei un spēles sesijas datu saņemšanu no spēles. Lietotne ir pielāgota ērtai lietošanai ar spēļu kontrolieri un efektīvai darbībai uz Raspberry PI 3 modeļu datoriem. Sistēmas izstrādē izmantota C++ programmēšanas valoda, izmantota, MySQL datubāze pārvaldību sistēma un SDL2 bibliotēka lietotnes loga radīšanai, datu vizuālai attēlošanai logā, kā arī ievades iegūšanai no spēļu kontroliera.
Classification of Actual Sensor Network Deployments in Research Studies from 2013 to 2017
2020
Technologies, such as Wireless Sensor Networks (WSN) and Internet of Things (IoT), have captured the imagination of researchers, businesses, and general public, due to breakthroughs in embedded system development, sensing technologies, and ubiquitous connectivity in recent years. That resulted in the emergence of an enormous, difficult-to-navigate body of work related to WSN and IoT. In an ongoing research effort to highlight trends and developments in these technologies and to see whether they are actually deployed rather than subjects of theoretical research with presumed potential use cases, we gathered and codified a dataset of scientific publications from a five-year period from 2013 t…
Skeitborda triku klasifikācijas metodes izmantojot mašīnmācīšanos ar IMU sensoru datiem
2020
Mūsdienās arvien vairāk tiek izmantoti valkājamie sensori, it īpaši sportā, tajā skaitāskeitbordā. Apvienojumā ar mašīnmācīšanos šīs ierīces spēj sniegt informāciju par sportistaveiktajām darbībām, skeitbordā tas būtu par izpildītajiem trikiem. Šī darba ietvaros ir apzinātipašreizējie risinājumus skeitborda triku atpazīšanā, kā arī izstrādāts jauns risinājums, kas sevīietver papildus sensoru izvietošanu uz sportista ķermeņa. Darbā tiek salīdzinātas dažādasmašīnmācīšanās metodes triku klasificēšanai, kā arī izpētīta papildus sensoru ietekme uzprecizitāti, palielinot atpazīstamo triku skaitu.