文献

J-GLOBAL ID：201902281059190746   整理番号：19A0968316

加速度計を用いた活動認識の包括的研究【JST・京大機械翻訳】

A Comprehensive Study of Activity Recognition Using Accelerometers

著者 (8件)： Twomey Niall (School of Computer Science, Electrical and Electronic Engineering, and Engineering Mathematics, University of Bristol, Bristol BS8 1UB, UK) ,  Diethe Tom (School of Computer Science, Electrical and Electronic Engineering, and Engineering Mathematics, University of Bristol, Bristol BS8 1UB, UK) ,  Diethe Tom (Amazon Research, Cambridge CB3 0RD, UK) ,  Fafoutis Xenofon (School of Computer Science, Electrical and Electronic Engineering, and Engineering Mathematics, University of Bristol, Bristol BS8 1UB, UK) ,  Elsts Atis (School of Computer Science, Electrical and Electronic Engineering, and Engineering Mathematics, University of Bristol, Bristol BS8 1UB, UK) ,  McConville Ryan (School of Computer Science, Electrical and Electronic Engineering, and Engineering Mathematics, University of Bristol, Bristol BS8 1UB, UK) ,  Flach Peter (School of Computer Science, Electrical and Electronic Engineering, and Engineering Mathematics, University of Bristol, Bristol BS8 1UB, UK) ,  Craddock Ian (School of Computer Science, Electrical and Electronic Engineering, and Engineering Mathematics, University of Bristol, Bristol BS8 1UB, UK)
資料名： Informatics (Web)  (Informatics (Web))
巻： 5  号： 2  ページ： 27  発行年： 2018年 
JST資料番号： U7202A  ISSN： 2227-9709  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文は,加速度計を用いた活動認識法における最先端技術の調査と経験的評価として役立つ。本論文は,特に実世界環境における長期活動認識に焦点を当てた。これらの環境において,データ収集は自明ではない。したがって,予測精度の間に性能トレードオフがあり,それは唯一のシステム目的ではなく,最小レベルで保全オーバーヘッドを保つ。活動の選択,加速度計データから抽出された特徴,時系列データのセグメンテーション,加速度計の位置,選択と構成トレードオフ,試験/再試験信頼性,一般化性能に焦点を合わせた研究を調べた。さらに,実験プラットホームからこれらの問題を研究し,驚くべきことに,多くの異なる実験構成が試験データに匹敵する予測性能をもたらすことを示した。これらの結果の理解は,実験装置が直接的に,間接的に分類器に送られるための経路を定義し,いくつかの設定において,特定の構成が代替案より最適であることを示した。本研究の主な結果が,特に挑戦的な実験条件における実験的構成において,実際に使用できるかどうかを同定することによって結論した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ収集 ,  保全 ,  セグメンテーション ,  信頼性 ,  機械学習 ,  *加速度計 ,  センサ ,  試験データ ,  時系列データ ,  予測精度
準シソーラス用語： 予測性能 ,  オーバヘッド ,  最先端技術 ,  *行動認識 , 【Automatic Indexing@JST】

著者キーワード (5件)： 日常生活の活動 ,  活動認識 ,  加速度計 ,  機械学習 ,  センサ

分類 (1件)： パターン認識  (JE07000S)

引用文献 (95件)：

• Biddle, S.; Biddle, S.J.H.; Pearson, N.; Ross, G.M.; Braithwaite, R. Tracking of sedentary behaviours of young people: A systematic review. Prev. Med. 2010, 51, 345-351.
• Kwapisz, J.; Weiss, G.; Moore, S. Activity recognition using cell phone accelerometers. ACM SigKDD Explor. Newsl. 2011, 12, 74-82.
• Siirtola, P.; Röning, J. Recognizing Human Activities User-Independently on Smartphones Based on Accelerometer Data. Int. J. Int. Multimed. Artif. Intell. 2012, 1, 38-45.
• Anguita, D.; Ghio, A.; Oneto, L.; Parra, X.; Reyes-Ortiz, J.L. A public domain dataset for human activity recognition using smartphones. In Proceedings of the 21th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, Bruges, Belgium, 24-26 April 2013.
• Brezmes, T.; Gorricho, J.L.; Cotrina, J. Activity recognition from accelerometer data on a mobile phone. In Distributed Computing, Artificial Intelligence, Bioinformatics, Soft Computing, and Ambient Assisted Living; Springer: Heidelberg/Berlin, Germany, 2009; pp. 796-799.

タイトルに関連する用語 (3件)： 加速度計 ,  活動認識 ,  研究