文献

J-GLOBAL ID：202102219049392182   整理番号：21A2063986

Google Colabを用いた人間活動認識のための次元縮小【JST・京大機械翻訳】

Dimensionality Reduction for Human Activity Recognition Using Google Colab

著者 (3件)： Ray Sujan ,  Alshouiliy Khaldoon ,  Agrawal Dharma P.
資料名： Information (Web)  (Information (Web))
巻： 12  号： 1  ページ： 6  発行年： 2020年 
JST資料番号： U7203A  ISSN： 2078-2489  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： 人間活動認識(HAR)は,センサデータに基づく人の動きの予測を含む分類タスクである。見ることができるように,過去1015年にわたるスマートフォンの巨大な成長および開発が,人間活動を認識するためのモバイルセンシングの媒体として使用可能であった。今日,深層学習法は大きな需要であり,人間の活動を認識するためにそれらの方法を使用することができた。大きな方法は畳込みニューラルネットワーク(CNN)を構築することである。スマートフォンデータセットを用いたHARは,人間の活動を認識するための機械学習モデルを開発するために研究者によって広く使われてきた。データセットには2つの部分がある:訓練と試験。本論文では,クラウドベースプラットフォーム上の深層学習法を用いて,同じデータセット上の人間活動を解析し,認識するためのハイブリッドアプローチを提案した。最も重要な特徴を得るために,データセットに関する主成分分析を適用した。次に,すべての特徴およびトップ48,92,138および164の特徴に対する実験を行った。Google Colab上で全ての実験を行った。実験では,提案方法論の評価のため,訓練,検証および試験に対して,それぞれ701020%および801010%のような2つの異なる比率にデータセットを分割した。CNN(70%訓練10%検証20%試験)の性能を,本研究のベンチマークとして48の特徴に設定した。本研究では,CNNで98.70%の最大精度を達成した。他方,データセットのトップ92特徴で96.36%の精度を得た。著者らは,適切に特性を選ぶことができるならば,精度を改良できるだけでなく,モデルの訓練と試験時間も,この実験結果から見ることができた。Copyright 2021 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： 特徴抽出 ,  媒質 ,  主成分分析 ,  *次元縮小 ,  ベンチマーク ,  携帯電話 ,  機械学習 ,  スマートフォン
準シソーラス用語： 人間活動 ,  *Google ,  センサデータ ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (9件)： クラウドプラットフォーム ,  畳込みニューラルネットワーク(CNN) ,  深層学習 ,  次元縮小 ,  特徴抽出 ,  Google Colab ,  人間活動認識(HAR) ,  主成分分析(PCA) ,  スマートフォン

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (35件)：

• Brastein, O.M.; Olsson, R.; Skeie, N.O.; Lindblad, T. Human Activity Recognition by machine learning methods. In Proceedings of the Norsk IKT-Konferanse for Forskning Og Utdanning, Oslo, Norway, 27-29 November 2017.
• Roy, S.; Edan, Y. Investigating joint-action in short-cycle repetitive handover tasks: The role of giver versus receiver and its implications for human-robot collaborative system design. Int. J. Soc. Robot. 2018, 12, 973-988.
• Wang, L.; Gao, R.; Váncza, J.; Krüger, J.; Wang, X.V.; Makris, S.; Chryssolouris, G. Symbiotic human-robot collaborative assembly. CIRP Ann. 2019, 68, 701-726.
• Chen, Y.H.; Tsai, M.J.; Fu, L.C.; Chen, C.H.; Wu, C.L.; Zeng, Y.C. Monitoring elder’s living activity using ambient and body sensor network in smart home. In Proceedings of the 2015 IEEE International Conference on Systems, Man, and Cybernetics, Kowloon, Hong Kong, China, 9-12 October 2015; pp. 2962-2967.
• Spörri, J.; Kröll, J.; Fasel, B.; Aminian, K.; Müller, E. The Use of Body Worn Sensors for Detecting the Vibrations Acting on the Lower Back in Alpine Ski Racing. Front. Physiol. 2017, 8, 522.

タイトルに関連する用語 (4件)： Google ,  人間 ,  活動認識 ,  次元縮小