文献

J-GLOBAL ID：202102225158588516   整理番号：21A0213491

個人モニタリング装置からの前処理時間と距離シリーズデータのための方法【JST・京大機械翻訳】

Methods for preprocessing time and distance series data from personal monitoring devices

著者 (4件)： Wiktorski Tomasz (University of Stavanger, Norway) ,  Bjorkavoll-Bergseth Magnus (Stavanger University Hospital, Norway) ,  Orn Stein (Stavanger University Hospital, Norway) ,  Orn Stein (University of Stavanger, Norway)
資料名： MethodsX  (MethodsX)
巻： 7  ページ： Null  発行年： 2020年 
JST資料番号： W3021A  ISSN： 2215-0161  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 有害事象のリスクを減らし,運動の利点を改善するために,身体運動に関するガイダンスを改善するために,より高度なツールを開発する必要がある。スポーツイベント,生物医学実験および適応自己モニタリングから,個人モニタリング装置(PMDs)により,データ量を連続的に発生させ,身体運動をガイドするのに使用できる。これらのデータの大部分は,時間あるいは距離系列としてサンプリングされる。しかし,運動データの固有の高次元性は,処理中の挑戦である。その結果,PMDからの現在のデータ解析は,凝集体を越えてほとんど拡大しなかった。共通の課題は,時間-および距離領域を比較するデータ密度における高度化である。数値データと生理学的特性の間の関係における大きな内部と個体間変動;異なる運動持続時間の運動に由来するデータの時間的統計的性質における高度化。これらの課題は,現在,準最適解析モデルに導く未解決である。本論文では,これらの問題に取り組むためのアルゴリズムとアプローチを示し,累積統計量に頼るよりも完全なPMDデータセットの解析を可能にした。提案手法は,LSTMのような確立されたSymbolic Aggrate Approximationモデリングとより新しい深層学習モデルの効果的な応用を可能にする。Copyright 2021 Elsevier B.V., Amsterdam. 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 ,  *加工時間 ,  スポーツ ,  *監視装置 ,  データ解析 ,  統計量 ,  高次元 ,  解析モデル ,  凝集体
準シソーラス用語： 身体運動 ,  生物医学 ,  統計的性質 ,  データ量 ,  深層学習 ,  有害事象 , 【Automatic Indexing@JST】

著者キーワード (5件)： 記号的集合近似 ,  SAX ,  時系列 ,  距離シリーズ ,  スポーツイベント

分類 (1件)： 移動通信  (ND08030H)

タイトルに関連する用語 (3件)： 個人 ,  モニタリング装置 ,  処理時間