抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
仮想現実感(VR)シーン設計における設計要素を効果的に組織化して,設計プロセスのための評価方法を提供するために,著者らはユーザ画像空間認識モデルを構築した。これは,VRインタフェイスの知覚工学方法と最適化を含んだ。最初に,著者らは,Kansei工学(KE)方式を通してVRシステムにおけるユーザ認識と設計特徴の結合を研究した。定量的理論IとKEモデル回帰分析を用いて,VRシステム人間コンピュータ相互作用インタフェイスの設計要素を分析した。複合ネットワーク方式と結合して,著者らは設計特徴の間の関係をまとめて,ユーザ知覚画像に影響を及ぼす重要な設計特徴を分析した。次に,機械学習の特性に基づき,VRシステムにおけるユーザ知覚画像を予測し,解析するために畳込みニューラルネットワーク(CNN)を使用し,VRシステム設計の設計最適化のための支援を提供した。最後に,VRシステムの人間機械インタフェイス設計と組み合わせることによって,解法の有効性と実現可能性を検証した。VR意図空間の多変量回帰分析と実験試験の間の類似性が約97%であり,誤差が非常に小さいKEモデルの実現可能性解析を行った。したがって,VR意図空間モデルはよく相関した。畳込みニューラルネットワーク(CNN)予測モデルの平均二乗誤差(MSE)を0.0074の測定値で計算し,MSE値は0.01未満であった。結果は,この方式が設計方式の有効性と実現可能性を改善できることを示す。設計者はVRシステム最適化設計を支援するための重要な設計特徴要素を使用し,VRシステムにおけるユーザ画像値を予測し,設計効率を改善するためにCNN機械学習法を使用する。VRシステムインタフェイスにおける同じ設計タスク要求に直面して,従来の設計方式をこの方式によって最適化した方式と比較した。結果は,この方式によって最適化された設計方式が,利用者知覚画像指数により良く適合し,その結果,ユーザタスク操作経験がより良いことを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
