文献

J-GLOBAL ID：201702223081512234   整理番号：17A1396928

手首着用加速度計を用いた行動認識のためのCNNベースのアプローチ【Powered by NICT】

CNN based approach for activity recognition using a wrist-worn accelerometer

著者 (8件)： Panwar Madhuri (Department of Electrical Engineering, Indian Institute of Technology Hyderabad, 502205, Telangana, India) ,  Ram Dyuthi S. (Department of Electrical Engineering, Indian Institute of Technology Hyderabad, 502205, Telangana, India) ,  Chandra Prakash K. (Department of Electrical Engineering, Indian Institute of Technology Hyderabad, 502205, Telangana, India) ,  Biswas Dwaipayan (Biomedical Circuits and Systems group in IMEC, Heverlee, Belgium) ,  Acharyya Amit (Department of Electrical Engineering, Indian Institute of Technology Hyderabad, 502205, Telangana, India) ,  Maharatna Koushik (Sch. of Electronics & Computer Science, University of Southampton, United Kingdom) ,  Gautam Arvind (Department of Electrical Engineering, Indian Institute of Technology Hyderabad, 502205, Telangana, India) ,  Naik Ganesh R. (University of Technology Sydney, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 2438-2441  発行年： 2017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： 近年,顕著な進歩は,様々な機械学習アプローチを用いた人間の行動認識に行われた。特徴工学は最適特徴選択の困難な過程を含む従来の方法を支配してきた。この問題は自動的に有用な特徴を抽出し,計算コストを低減する深い学習フレームワークに基づく新しい方法論を用いて緩和した。概念の証明として,著者らは,データが単一の手首着用加速度計センサを用いた四人の被験者から収集された日常生活で行ったヒト前腕の三基本的な運動の認識のための一般化モデルを設計することを試みた。提案モデルの検証は三つの可能な方法を用いて評価した異なる前処理とノイズの多いデータ条件で行った。結果は,K-meansクラスタリング,線形判別分析とサポートベクトルマシンに基づく従来の方法とは対照的に,著者らの提案した方法は,99.8%の平均認識率を達成することを示した。Copyright 2017 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： サポートベクトルマシン ,  機械学習 ,  雑音 ,  学習 ,  *加速度計 ,  センサ ,  前腕 ,  特徴選択
準シソーラス用語： 認識率 ,  線形判別分析 ,  k-means法 ,  被験者 ,  計算コスト ,  *行動認識 ,  *着用 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 手首 ,  着用 ,  加速度計 ,  行動認識 ,  CNN