[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-en-105":3,"doc-seo-290316-105":59,"doc-detail-290316-en":130},{"code":4,"msg":5,"data":6},0,"success",[7,13,18,23,28,33,38,43,48,51,55],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},1,"Document","Story & Novel",90,"story-novel",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":16,"slug":17},2,"Literature",80,"literature",{"id":19,"doc_module":4,"doc_module_name":9,"category_name":20,"show_sort_weight":21,"slug":22},4,"Exam",70,"exam",{"id":24,"doc_module":4,"doc_module_name":9,"category_name":25,"show_sort_weight":26,"slug":27},5,"Comic",60,"comic",{"id":29,"doc_module":4,"doc_module_name":9,"category_name":30,"show_sort_weight":31,"slug":32},6,"Technology",50,"technology",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":36,"slug":37},7,"Healthcare",40,"healthcare",{"id":39,"doc_module":4,"doc_module_name":9,"category_name":40,"show_sort_weight":41,"slug":42},8,"Research & Report",30,"research-report",{"id":44,"doc_module":4,"doc_module_name":9,"category_name":45,"show_sort_weight":46,"slug":47},9,"Religion & Spirituality",20,"religion-spirituality",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":49,"show_sort_weight":46,"slug":50},"World Cup","world-cup",{"id":52,"doc_module":4,"doc_module_name":9,"category_name":53,"show_sort_weight":52,"slug":54},10,"Lifestyle","lifestyle",{"id":56,"doc_module":4,"doc_module_name":9,"category_name":57,"show_sort_weight":24,"slug":58},19,"General","general",{"code":4,"msg":60,"data":61},"ok",{"site_id":62,"language":63,"slug":64,"title":65,"keywords":66,"description":67,"schema_data":68,"social_meta":123,"head_meta":125,"extra_data":127,"updated_unix":129},105,"da","machine-learning-for-detecting-sleep-deficits-in-drivers-basic-project-1-first-semester","Machine Learning til opfangelse af søvnunderskud hos bilister - Basisprojekt 1 - Første semester","","Projektet undersøger anvendelsen af Machine Learning og kunstig intelligens til at identificere tegn på søvnunderskud hos bilister. Det anvender en definition fra Den Nationale Søvnfond i USA, hvor voksne med under 7-8 timers søvn klassificeres som havende søvnunderskud. Træthedsniveau defineres via Karolinska Sleepiness Scale, mens transformers anvendes til at udlede mønstre fra ansigtstræk og symptomer. Der bygges og evalueres modeller med forskellige epoch (4 og 10), efter valg af et eksisterende datasæt, samt en vurdering af fejlkilder og datasætkriterier.",{"@graph":69,"@context":122},[70,84,105],{"@type":71,"itemListElement":72},"BreadcrumbList",[73,77,79,82],{"item":74,"name":75,"@type":76,"position":8},"https://docshare.wps.com","Home","ListItem",{"item":78,"name":9,"@type":76,"position":14},"https://docshare.wps.com/document/",{"item":80,"name":40,"@type":76,"position":81},"https://docshare.wps.com/document/research-report/",3,{"item":83,"name":65,"@type":76,"position":19},"https://docshare.wps.com/document/machine-learning-for-detecting-sleep-deficits-in-drivers-basic-project-1-first-semester/290316/",{"url":83,"name":65,"@type":85,"image":86,"author":91,"headline":65,"publisher":94,"fileFormat":97,"inLanguage":63,"description":67,"dateModified":98,"datePublished":99,"encodingFormat":97,"isAccessibleForFree":100,"interactionStatistic":101},"DigitalDocument",{"url":87,"@type":88,"width":89,"height":90},"https://docshare.wps.com/thumbnails/machine-learning-for-detecting-sleep-deficits-in-drivers-basic-project-1-first-semester/290316.png","ImageObject",300,407,{"name":92,"@type":93},"Olivia Brown","Person",{"url":74,"name":95,"@type":96},"DocShare","Organization","application/pdf","2026-11-07","2026-09-17",true,{"@type":102,"interactionType":103,"userInteractionCount":29},"InteractionCounter",{"@type":104},"ViewAction",{"@type":106,"mainEntity":107},"FAQPage",[108,114,118],{"name":109,"@type":110,"acceptedAnswer":111},"Hvordan defineres søvnunderskud i projektet?","Question",{"text":112,"@type":113},"Projektet følger Den Nationale Søvnfond i USA, hvor søvnunderskud defineres som mindre end 7-8 timers søvn for voksne. Definitionen danner grundlag for klassificering i datasættet.","Answer",{"name":115,"@type":110,"acceptedAnswer":116},"Hvilken modeltype bruges til at identificere søvnunderskud?",{"text":117,"@type":113},"Projektet bruger Machine Learning, specifikt transformers, som en del af neurale netværk. Formålet er at identificere mønstre i datasættet knyttet til træthed og søvnunderskud.",{"name":119,"@type":110,"acceptedAnswer":120},"Hvordan blev datasættet valgt, og hvilke forhold blev vurderet?",{"text":121,"@type":113},"Der opstilles kriterier for lys, videoopløsning og menneskelig variation. Der vurderes også potentielle fejlkilder som etnicitetsvariation og bevidstheden om at blive optaget, før et datasæt fra University of Texas vælges.","https://schema.org",{"og:url":83,"og:type":124,"og:title":65,"og:site_name":95,"og:description":67},"article",{"robots":126,"canonical":83},"index,follow",{"doc_id":128,"site_id":62},290316,1790937761,{"code":4,"msg":5,"data":131},{"doc_id":128,"user_id":132,"nickname":92,"user_avatar":133,"doc_module":4,"category_id":39,"category_name":40,"doc_title":65,"doc_description":67,"doc_content":134,"file_id":135,"file_url":136,"file_type":137,"file_size":138,"view_count":29,"is_deleted":4,"is_public":8,"is_downloadable":8,"audit_status":8,"page_count":139,"language":140,"language_code":63,"site_id":62,"html_lang":141,"table_of_contents":142,"faqs":143,"seo_title":144,"seo_description":67,"update_tm":145,"read_time":146,"preview_page_count":4},16904993612988,"https://ap-avatar.wpscdn.com/davatar_a8503ba1806abce46bf441b54a3ca4cd","Machine Learning til opfangelse af søvnunderskud hos bilister  \nFigur 1 [https://www.forbes.com/sites/kalevleetaru/2019/01/15/why-machine-learning-needs-semantics-not-just-statistics](https://www.forbes.com/sites/kalevleetaru/2019/01/15/why-machine-learning-needs-semantics-not-just-statistics/)[/](https://www.forbes.com/sites/kalevleetaru/2019/01/15/why-machine-learning-needs-semantics-not-just-statistics/)  \nBasisprojekt 1-Første semester  \nMathias Bisgaard Sørensen  \nTanya Chaikengdee Jørgensen  \nPhillip Andreas von der Heide Skimminge  \nVejleder  \nMaja Hanne Kirkeby  \nResumé  \nDette projekt undersøger anvendelsen af Machine Learning og kunstig intelligens, til atidentificere tegn på søvnunderskud hos personer. Projektet har haft sit primære fokus på at benytte kunstig intelligens og Machine Learning, til at adressere den voksende udfordring med søvnunderskud. I indledningen beskriver vi kort nogle få af konsekvenserne vedsøvnunderskud.  \nI projektet har vi fulgt Den Nationale Søvnfond i USA’s definition af søvnunderskud, hvor alt under 7-8 timers søvn for voksne menneske defineres som søvnunderskud. I datasættetbliver Karolinska Sleepiness Scale inddraget til at definere træthedsniveau hos de enkelte personer i datasættet.  \nVi undersøger om vi mennesker har symptomer og ansigtstræk der kan være med til at afsløre søvnunderskud, og som en del af projektet har vi benyttet Machine Learning, nærmere bestemt transformers til at identificere søvnunderskud i vores datasæt. Vi har valgt at benytte et eksisterende datasæt, bestående af 143 selvoptaget videooptagelser af 48 forskellige mennesker og ikke udarbejde vores eget datasæt. I forbindelse med udvælgelse afdatasæt har vi opstillet specifikke kriterier, for på den måde at sikre os et retvisende resultat.  \nVi har benyttet kriterier som lys, videoopløsning og menneskelig variation. Baseret på disse kriterier har vi grundigt vurderet 3 datasæt, og tilsidst valgt et datasæt fra University of Texas (UTA), da dette datasæt kommer tættest på vores specifikke kriterier. Vi har også haft fokuspå fejlkilder som etnicitets variation og bevidstheden om at blive optaget.  \nSom beskrevet har vi valgt at benytte Artificial Intelligence, Machine Learning og underkategorien neurale netværk, nærmere bestemt transformers, til gennemførelse af analysen af datasættet. I projektet beskriver vi neurale netværk og transformers nærmere, med det formål at give en dybere forståelse af deres virkningsmekanismer.  \nI vores forsøg om at skabe en model med Machine Learning og Artificial Intelligence, har vi både anvendt 4 Epoch og 10 Epoch til at finde det mest nøjagtige resultat.  \nTil slut gennemføres en konklusion, af projektet, som beskriver hvad der gik godt og hvadsom gik mindre godt.  \nIndholdsfortegnelse  \nRESUMÉ ................................................................................................................................ 2  \nINDLEDNING.......................................................................................................................... 4  \nMOTIVATION TIL SEMESTERBINDING .................................................................................................... 4  \nPROBLEMFORMULERING ....................................................................................................... 5  \nPROBLEMSTILLINGER ......................................................................................................................... 5  \nKONSEKVENSER AF SØVNMANGEL OG HVORDAN DET KAN GENKENDES................................ 5  \nHVAD ER AI? .......................................................................................................................... 5  \nMACHINE LEARNING ............................................................................................................. 7  \nNEURALT NETVÆRK ........................................................................................................................... 8  \nTRANSFORMER .............","cbCaidSTenFrB5d7","https://ap.wps.com/l/cbCaidSTenFrB5d7","pdf",5276657,72,"Danish","en","# Resumé\n# Indledning\n# Motivation til semesterbinding\n# Problemformulering\n# Problemstillinger\n# Konsekvenser af søvn mangel og hvordan det kan genkendes\n# Hvad er AI?\n# Machine Learning\n# Neuralt netværk\n# Transformer\n# Delkonklusion\n# Valg af metode\n## Video klassifikation\n## Valg af datasæt\n## Konklusion af valg af datasæt\n## Evaluerings metode\n## Forsøg\n## Ting der skal installeres\n## Opdeling af datasættet\n## Anvendelse af datasættet på en model\n## Resultater og evaluering\n## Diskussion\n## Konklusion\n# References","[{\"question\":\"Hvordan defineres søvnunderskud i projektet?\",\"answer\":\"Projektet følger Den Nationale Søvnfond i USA, hvor søvnunderskud defineres som mindre end 7-8 timers søvn for voksne. Definitionen danner grundlag for klassificering i datasættet.\"},{\"question\":\"Hvilken modeltype bruges til at identificere søvnunderskud?\",\"answer\":\"Projektet bruger Machine Learning, specifikt transformers, som en del af neurale netværk. Formålet er at identificere mønstre i datasættet knyttet til træthed og søvnunderskud.\"},{\"question\":\"Hvordan blev datasættet valgt, og hvilke forhold blev vurderet?\",\"answer\":\"Der opstilles kriterier for lys, videoopløsning og menneskelig variation. Der vurderes også potentielle fejlkilder som etnicitetsvariation og bevidstheden om at blive optaget, før et datasæt fra University of Texas vælges.\"}]","Machine Learning til opfangelse af søvnunderskud hos bilister - Basisprojekt 1 - Første semester | PDF",1789641319,181]