文献

J-GLOBAL ID：202002230422157600   整理番号：20A0499773

投票加重統合ニューラルネットワークを用いた加速信号に基づく歩行位相検出【JST・京大機械翻訳】

Walking Gait Phase Detection Based on Acceleration Signals Using Voting-Weighted Integrated Neural Network

著者 (5件)： Yan Lei ( Beijing Forestry University, Beijing 100083, China) ,  Zhen Tao ( Beijing Forestry University, Beijing 100083, China) ,  Kong Jian-Lei ( Beijing Technology and Business University, Beijing 100048, China) ,  Wang Lian-Ming ( Beijing Forestry University, Beijing 100083, China) ,  Zhou Xiao-Lei ( Beijing Forestry University, Beijing 100083, China)
資料名： Complexity  (Complexity)
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： W2044A  ISSN： 1076-2787  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 人間の歩行位相認識は,リハビリテーション訓練ロボット,人間の病気診断,人工補綴などのための重要な技術である。歩行情報のための認識方法の効率的設計は,現在の歩行位相分割と固有値抽出研究における重要課題である。本論文では,多次元加速度信号から異なる歩行位相を検出するために,新しい投票加重統合ニューラルネットワーク(VWI-DNN)を提案した。より具体的には,最初に,人間の下肢に固定された異なるIMUセンサデータを収集するために,歩行情報獲得システムを採用した。次に,次元縮小と4相分割前処理により,鍵特徴を選択し,時間領域における共通とドメイン知識を学習するための統一ベクトルとして融合した。次に,複数の洗練されたDNNsを,マルチストリーム統合ニューラルネットワークを設計するために転送する。それは,高次元特徴代表を利用するために,混合粒度情報を利用する。最終的に,投票重みづけ関数を開発し,異なるサブモデルを,異なる歩行位相間の小さな不一致を識別するための統一表現として融合した。VWI-DNNモデルのエンドツーエンド実装は,勾配逆伝搬の損失最適化によって微調整される。実験結果は,他の方法と比較して,より高い分類精度を有する提案方法の性能を示し,その分類精度とMacro-F1は99.5%までである。より多くの議論が,他の研究との組合せにおける潜在的応用を示すために提供される。Copyright 2020 Lei Yan et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  補綴 ,  最適化 ,  リハビリテーション ,  重み関数 ,  ドメイン知識 ,  ベクトル ,  情報収集 ,  エンドツーエンド方式 ,  *位相検波 ,  *位相 ,  ロボット ,  固有値 ,  高次元 ,  次元縮小

分類 (2件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S)

引用文献 (44件)：

• N. Nazmi, M. A. Abdul Rahman, S.-I. Yamamoto, S. A. Ahmad, "Walking gait event detection based on electromyography signals using artificial neural network," Biomedical Signal Processing and Control, vol. 47, pp. 334-343, 2019.
• Y. Okubo, D. Schoene, S. R. Lord, "Step training improves reaction time, gait and balance and reduces falls in older people: a systematic review and meta-analysis," British Journal of Sports Medicine, vol. 51, no. 102, pp. 586-593, 2017.
• S. Tian, M. Li, Y. Wang, X. Chen, "Application of an improved correlation method in electrostatic gait recognition of hemiparetic patients," Sensors, vol. 19, no. 11, pp. 2529, 2019.
• T. Yan, M. Cempini, C. M. Oddo, N. Vitiello, "Review of assistive strategies in powered lower-limb orthoses and exoskeletons," Robotics and Autonomous Systems, vol. 64, pp. 120-136, 2015.
• H. Vu, F. Gomez, P. Cherelle, D. Lefeber, A. Nowé, B. Vanderborght, "ED-FNN: A new deep learning algorithm to detect percentage of the gait cycle for powered prostheses," Sensors, vol. 18, no. 7, pp. 2389, 2018.

タイトルに関連する用語 (7件)： 投票 ,  加重 ,  統合 ,  ニューラルネットワーク ,  加速 ,  歩行 ,  相検出