文献

J-GLOBAL ID：201802214472862679   整理番号：18A0440363

多モード信号を用いた日常行動認識のためのリカレントニューラルネットワークの研究【Powered by NICT】

An investigation of recurrent neural network for daily activity recognition using multi-modal signals

著者 (4件)： Tamamori Akira (Institute of Innovation for Future Society, Nagoya University, Nagoya, Japan) ,  Hayashi Tomoki (Graduate School of Information Science, Nagoya University, Nagoya, Japan) ,  Toda Tomoki (Information Technology Center, Nagoya University, Nagoya, Japan) ,  Takeda Kazuya (Graduate School of Information Science, Nagoya University, Nagoya, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： APSIPA ASC  ページ： 1334-1340  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： 著者らの目的は,高齢者の日常活動監視システムを構築することである。本研究では,マルチモーダル(音響と加速)信号を用いて人間の行動認識タスクのためのディープニューラルネットワーク(RNN)に基づく方法を開発した。最近の研究では,フィードフォワードニューラルネットワーク(FF NN)の有効性は日常活動認識(DAR)タスクで示されている。しかし,時間的文脈考慮すべきの長さは制限された実際の日常活動イベントは,数秒から数分連続に可能性がある。さらに,実用化の観点から,訓練データのわずかな量は各ユーザに利用可能な場合でも,複数のユーザの満足度の高い認識性能を得るために適応法を考慮する必要がある。本研究では,長い短期記憶(LSTM RNN)に基づくリカレントニューラルネットワークを応用したDARへの有効性を評価した。も受ける適応のための射影層(LSTMP RNN)を用いたLSTM RNNを適用することの有効性を評価(1)FFNNの代わりにRNNを適用することにより,はるかに長い時間的文脈は,数秒から数分にわたって日常活動事象で考えることができ,(2)LSTMP RNNを導入することにより,適応法が実現できる,認識性能を維持しながら,過剰適合問題を軽減できる。DARについての実験結果は以下のことを示した:限られた量のデータが利用可能であるときに(1)LSTM RNNを適用したFFNNと比較して有効であり,(2)LSTMP RNNを適用することであるLSTM RNNより有効であった。Copyright 2018 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： 監視装置 ,  老人 ,  *多モード ,  射影 ,  音響
準シソーラス用語： 短期記憶 ,  訓練データ ,  フィードフォワードニューラルネットワーク ,  *リカレントニューラルネットワーク ,  *行動認識 , 【Automatic Indexing@JST】

分類 (4件)： 移動通信  (ND08030H) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 多モード ,  行動認識 ,  リカレントニューラルネットワーク ,  研究