文献

J-GLOBAL ID：201802228439162572   整理番号：18A1031019

機械学習を用いた融合有効ブルセンサ信号の自動振動検出と補正【JST・京大機械翻訳】

Automated oscillation detection and correction of fused wearable sensor signals using machine learning

著者 (4件)： Yean Senglidet (School of Computer Science and Engineering, Nanyang Technological University, Singapore) ,  Lee Bu-Sung (School of Computer Science and Engineering, Nanyang Technological University, Singapore) ,  Yeo Chai Kiat (School of Computer Science and Engineering, Nanyang Technological University, Singapore) ,  Chen Zhaomin (School of Computer Science and Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： WTS 2018  ページ： 1-6  発行年： 2018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： 本論文では,運動捕捉と慣性測定センサの両方の信号における振動に取り組んだ。この特性は,運動範囲が約85度に達するか,またはそれを超えるとしばしば観察される。フィルタした出力信号における振動の除去は,それが可視化,運動追跡,臨床報告などの応用によって直接適用できることを意味するので,重要である。本論文では,特徴選択と機械学習アルゴリズムを用いたシステムモデルを提案し,振動を自動的に検出し,フィルタ処理した。特徴選択は,加速度計,磁力計およびジャイロスコープから収集された最も不正確な着用可能なセンサデータを,ロジスティック回帰,サポートベクトルマシンおよび多層パーセプトロンのようなよく知られた分類器を用いて導出することを目的とした。検出モデルに最も適した特徴と分類法を選択した。実験結果は,平均で76%までの精度を達成でき,変動をフィルタできることを示した。後者はデータを手動で処理するよりも効率的である。したがって,訓練された検出モデルは,雑音のある変動の除去におけるその有効性とリアルタイムに使用される可能性を証明した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  特徴選択 ,  モデル ,  捕獲 ,  可視化 ,  磁力計 ,  ジャイロスコープ ,  フィルタ ,  *機械学習 ,  *センサ ,  加速度計 ,  雑音 ,  *自励振動 ,  多層パーセプトロン
準シソーラス用語： ロジスティック回帰分析 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  ロボットの運動・制御  (IC04012J) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 機械学習 ,  融合 ,  センサ信号 ,  自動振動