文献

J-GLOBAL ID：201702225151240385   整理番号：17A0943357

TransAct:行動認識を可能になった転移学習【Powered by NICT】

TransAct: Transfer learning enabled activity recognition

著者 (2件)： Khan Md Abdullah Al Hafiz (Department of Information Systems, University of Maryland, Baltimore County, United States of America) ,  Roy Nirmalya (Department of Information Systems, University of Maryland, Baltimore County, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： PerCom Workshops  ページ： 545-550  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： スマートフォンを用いた行動認識は,健康管理,肥満管理,異常行動検出,公共の安全と治安などの多くの応用で大きな可能性を持つ。典型的な活性検出システムは,訓練と試験環境中に存在する活性の限られたセットを認識するために構築した。しかし,これらのシステムはトレーニングと試験段階の両者で同様なデータ分布,活性集合と十分なラベル付き訓練データを必要とする。,訓練と試験環境は揮発性が推定する新しい活性が,実用面において挑戦的である,データ分布は発散し,試験環境が限られた訓練試料と活性の新しいセットを有している。ラベル付き訓練データサンプルの不足も行動認識性能を劣化させる。本研究では,k-平均クラスタリングを用いたインスタンスベース移動ブーストアルゴリズムを拡張することによりこれらの課題を取り上げて論じた。三公開データセット-HAR,MHealthとDailyAndSportsとTransActモデルを評価し,著者らのTransActモデルは伝統的な活動認識手法より性能が優れていることを示した。著者らの実験結果は,著者らのTransActモデルは平均して81%の活性検出精度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： 揮発性 ,  健康管理 ,  クラスタ化 ,  肥満 ,  *スマートフォン ,  安全性
準シソーラス用語： 検出精度 ,  訓練データ ,  検知システム ,  公衆安全 ,  異常行動 ,  *行動認識 , 【Automatic Indexing@JST】

分類 (1件)： 移動通信  (ND08030H)

タイトルに関連する用語 (2件)： 行動認識 ,  転移学習