文献

J-GLOBAL ID：201902275110193670   整理番号：19A0145797

転移学習を用いたWi-Fi電波による屋内日常物の状態推定に関する検討

著者 (7件)： キム ヘン (大阪大 大学院情報科学研究科) ,  尾原和也 (大阪大 大学院情報科学研究科) ,  前川卓也 (大阪大 大学院情報科学研究科) ,  村上友規 (NTT アクセスサービスシステム研) ,  アベセカラ ヒランタ (NTT アクセスサービスシステム研) ,  天方大地 (大阪大 大学院情報科学研究科) ,  原隆浩 (大阪大 大学院情報科学研究科)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2018  号： HCI-180  ページ： Vol.2018-HCI-180,No.2,1-8 (WEB ONLY)  発行年： 2018年11月27日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： センサ技術・IoT技術の進展により,実世界から収集されたセンサデータを用いたコンテキスト認識技術が盛んに研究されており,特に普及が著しいWi-Fiの電波を用いた認識技術が注目を集めている。防犯や屋内のオートメーションへの応用に向けて,Wi-Fi電波を用いた日常物の状態推定手法が近年研究されているが,従来の手法は教師あり学習の枠組みを用いていた。しかし,部屋内の窓やドアなどの配置,Wi-Fi送信機と受信機の位置によりWi-Fi電波の伝搬の仕方は異なるため,観測されるWi-Fi電波の特徴は環境に大きく依存する。したがって,ある一つの環境のデータで学習された日常物状態推定モデルは,他の環境における推定には利用できない。環境ごとに学習用データを収集するコストは非常に高く,その導入は非現実的である。本研究では,日常物の状態変化前後における,受信機で観測された電波の到来角の環境非依存的な変化を,Domain Adversarial Neural Network(DANN)を用いた転移学習により認識する手法を考案した。提案手法により,ラベルあり学習データの存在しない転移先環境においても,高精度に日常物の状態変化を検出できる。(著者抄録)

シソーラス用語： *位置 ,  移動体 ,  *状態推定 ,  機械学習 ,  教師つき学習 ,  *無線LAN ,  情報 ,  到来方向推定
準シソーラス用語： *WiFi ,  チャネル状態情報 ,  *屋内 ,  可動物体 ,  教師あり学習 ,  転移学習

分類 (1件)： その他の通信応用  (ND15000K)

引用文献 (16件)：

• Yang, X., Tian, Y., Yi, C. and Arditi, A.: Contextbased indoor object detection as an aid to blind persons accessing unfamiliar environments, Proceedings of the 18th ACM international conference on Multimedia, ACM, pp. 1087-1090 (2010).
• Philipose, M., Fishkin, K. P., Perkowitz, M., Patterson, D. J., Fox, D., Kautz, H. and Hahnel, D.: Inferring activities from interactions with objects, IEEE pervasive computing, Vol. 3, No. 4, pp. 50-57 (2004).
• Tapia, E. M., Intille, S. S. and Larson, K.: Activity recognition in the home using simple and ubiquitous sensors, International conference on pervasive computing, Springer, pp. 158-175 (2004).
• Ohara, K., Maekawa, T. and Matsushita, Y.: Detecting state changes of indoor everyday objects using WiFi channel state information, Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, Vol. 1, No. 3, p. 88 (2017).
• Ganin, Y., Ustinova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M. and Lempitsky, V.: Domain-adversarial training of neural networks, The Journal of Machine Learning Research, Vol. 17, No. 1, pp. 2096-2030 (2016).

タイトルに関連する用語 (5件)： 転移学習 ,  Wi-Fi ,  電波 ,  屋内 ,  状態推定