文献

J-GLOBAL ID：201602280785285053   整理番号：16A0695017

人間活動認識のための深い学習:低電力デバイスのリソース効率の良い実装【Powered by NICT】

Deep learning for human activity recognition: A resource efficient implementation on low-power devices

著者 (4件)： Ravi Daniele (The Hamlyn Centre, Imperial College London, London) ,  Wong Charence (The Hamlyn Centre, Imperial College London, London) ,  Lo Benny (The Hamlyn Centre, Imperial College London, London) ,  Yang Guang-Zhong (The Hamlyn Centre, Imperial College London, London)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BSN  ページ： 71-76  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人間活動認識は,福祉,医療,スポーツへの応用のための貴重な文脈情報を提供する。過去数十年にわたり,多くの機械学習アプローチは,特定の応用のための慣性センサデータからの活性を同定するために提案されている。大部分の方法は,オフライン処理用に設計されたよりもセンサノード上で処理した。本論文では,深層学習法に基づく人間の行動認識技術は,低電力ウェアラブルデバイスのための正確でリアルタイム分類を可能にするように設計されている。センサ配向,センサ配置,センサ取得速度の変化に対する不変性を得るために,著者らは慣性データのスペクトル領域に適用される特徴生成プロセスを設計した。具体的には,提案した方法は,形質転換した入力の時間畳込みの和を使用した。提案した方法の精度は,実験室と実世界データセットの両方を用いた現在の最先端の方法に対して評価した。特徴生成パラメータの系統的分析とモバイル機器とセンサノードの行動認識計算時間の比較も提示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *学習 ,  畳込み ,  CPU時間 ,  不変性 ,  機械学習 ,  スポーツ ,  センサ
準シソーラス用語： 行動認識 ,  ウェアラブルデバイス ,  *低電力化 ,  深層学習 ,  センサノード ,  オフライン処理 ,  慣性センサ ,  *人間活動 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 人間 ,  活動認識 ,  学習 ,  低電力 ,  リソース ,  実装