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。
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】