文献

J-GLOBAL ID：201802249113932548   整理番号：18A1907756

教育学習を改善する遠隔実験室のための拡張現実感:オブジェクト追跡方式における高粒子群最適化の使用【JST・京大機械翻訳】

Augmented Reality for Remote Laboratory Improving Educational Learning: Using Elevated Particle Swarm Optimization in Object Tracking Scheme

著者 (2件)： Zandavi Seid Miad (School of Information Technology, The University of Sydney, Sydney, Australia) ,  Chung Vera (School of Information Technology, The University of Sydney, Sydney, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  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： 拡張現実感(AR)は,仮想と現実世界を一緒に結合するユニークな技術として研究されている。ARの重要な特徴は,真正環境と相互作用するそれらに対する視野における余分な情報を実証することである。教育設定においてARを使用することは,学生が現実世界における本物の調査に従事することを助ける。これに関して,遠隔研究所は,理論的および経験的知識の間のギャップを橋渡しするために,AR技術のための特別なプラットフォームを提供した。補助データを明らかにするために,物体追跡方式は可視不可視問題を作るために不可欠な役割を果たす。この方式において,粒子群最適化アルゴリズム(PSO)は,ターゲットの特定の同定による線形および非線形オブジェクト追跡における最も有名なアルゴリズムの1つである。他の修正PSOとは対照的に,すべての粒子が十分な類似性を有する最良の予測解に近く制限されるとき,粒子の多様性を改善するために,Eleved-PSOを採用した。AR遠隔実験室における目標追跡に関するこの提案したアルゴリズムは,古典的および他の改良PSOと比較して,より良い解を満たすことができた。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： 線形性 ,  アルゴリズム ,  *学習 ,  予測 ,  相互作用 ,  *拡張現実感 ,  類似性 ,  *教育
準シソーラス用語： ターゲット追跡 ,  *粒子群最適化 ,  *物体追跡 ,  *遠隔実験 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 教育 ,  学習 ,  遠隔実験 ,  拡張現実感 ,  オブジェクト追跡 ,  粒子群最適化