文献

J-GLOBAL ID：202002273256770636   整理番号：20A0818024

マルチヘッドCNNを用いた人間活動認識【JST・京大機械翻訳】

Human Activity Recognition using Multi-Head CNN followed by LSTM

著者 (3件)： Ahmad Waqar (COMSATS University Islamabad,Department of Electrical and Computer Engineering,Abbottabad Campus, Abbottabad,Pakistan) ,  Kazmi Bibi Misbah (COMSATS University Islamabad,Department of Electrical and Computer Engineering,Abbottabad Campus, Abbottabad,Pakistan) ,  Ali Hazrat (COMSATS University Islamabad,Department of Electrical and Computer Engineering,Abbottabad Campus, Abbottabad,Pakistan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICET  ページ： 1-6  発行年： 2019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： 本研究では,CNNを用いてヒトの身体活動を認識するための新しい方法を提示し,LSTMを用いた。従来の機械学習アルゴリズム(SVM,KNNおよびランダムフォレスト法など)により高精度を達成することは,加速度計およびジャイロスコープのようなウェアラブルセンサから得られたデータが時系列データであるため,挑戦的なタスクである。そこで,高い精度を達成するために,異なるセンサから得られたデータの特徴を抽出するための3つのCNNからなるマルチヘッドCNNモデルを提案し,それから,LSTM層と高密度層が続く3つのCNNsを融合した。すべての3つのCNNの構成は,同じ数の特徴がCNNへのあらゆる入力のために得られるように保たれる。提案した方法を用いて,従来の機械学習アルゴリズムや他の深いニューラルネットワークアルゴリズムに匹敵する最先端の精度を達成した。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： *アルゴリズム ,  ヒト ,  ジャイロスコープ ,  加速度計 ,  ニューラルネットワーク ,  センサ ,  学習アルゴリズム
準シソーラス用語： 高密度 ,  時系列データ ,  ウェアラブルセンサ ,  高精度 ,  ランダムフォレスト ,  人間活動 ,  マルチヘッド , 【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 (4件)： マルチヘッド ,  CNN ,  人間 ,  活動認識