文献

J-GLOBAL ID：202002261203996166   整理番号：20A0863819

ディープコンテキスト:人間コンテキスト認識のためのパラメータ化互換性ベース注意CNN【JST・京大機械翻訳】

DeepContext: Parameterized Compatibility-Based Attention CNN for Human Context Recognition

著者 (6件)： Alajaji Abdulaziz (Worcester polytechnic institute) ,  Gerych Walter (Worcester polytechnic institute) ,  Chandrasekaran Kavin (Worcester polytechnic institute) ,  Buquicchio Luke (Worcester polytechnic institute) ,  Agu Emmanuel (Worcester polytechnic institute) ,  Rundensteiner Elke (Worcester polytechnic institute)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSC  ページ： 53-60  発行年： 2020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： センサに富むスマートフォンのユビキタスは,環境支援生活,遠隔医療,およびスポーツ傷害検出のような領域におけるモバイルコンテキストアウェアセンシング応用における関心を増加させている。スマートフォンのセンサデータを分析することによってユーザの現在のコンテキストを認識することは,そのような応用のための重要な問題である。コンテキスト認識のための主要な技術的挑戦の1つは,粗粒ラベリングによる信頼できる特徴抽出である。センサデータの粗粒ラベリングにおいて,スマートフォンセンサデータの特定の部分だけが割り当てられたラベルを代表しているが,セグメント内のそれらの正確な継続時間と位置は未知である。これに対処するために,スマートフォン利用者の現在のコンテキストを認識するための深い学習ベースのネットワークアーキテクチャであるDeepConテキストを提案した。DeepConテキストは,スマートフォン・センサ・データの重要な部分について発見し,焦点を合わせるために,パラメータ化された相補型ニューラルネットワーク(CNN)を使用し,粗粒の弱いラベルを緩和し,顕著な識別特徴を抽出する。DeepConテキストは,ドメイン特有の手書き特徴と特徴の両方を利用する結合学習融合戦略を用いている。それは,畳込みニューラルネットワーク(CNN)によって自律的に生成される。著者らは,DeepConテキストが,100人の参加者から収集されたスマートフォン文脈センサデータに関する以前の最先端のコンテキスト認識と人間活動認識の深い学習モデルよりも一貫して性能が優れていることを実証した。Copyright 2020 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： スポーツ外傷 ,  センサ ,  遠隔医療 ,  継続時間 ,  ニューラルネットワーク ,  学習モデル ,  学習 ,  ネットワークアーキテクチャ ,  特徴抽出 ,  パラメタリゼーション ,  スマートフォン ,  *互換性
準シソーラス用語： 畳込みニューラルネットワーク ,  センサデータ ,  ユビキタス , 【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)： 人間 ,  コンテキスト ,  パラメータ化 ,  互換性 ,  注意 ,  CNN