文献

J-GLOBAL ID：202102250027446273   整理番号：21A0234455

CGLER:ニューラルネットワークを使用した導電性ジェスチャーによるLaban努力フレームワーク解析【JST・京大機械翻訳】

CGLER: Laban Effort Framework Analysis with Conducting Gestures Using Neural Networks

著者 (3件)： Tan Faith (Trinity Western University,Applied Research Lab,Langley,British Columbia,Canada) ,  Woo Gideon (Trinity Western University,Applied Research Lab,Langley,British Columbia,Canada) ,  Tsang Herbert H. (Trinity Western University,Applied Research Lab,Langley,British Columbia,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SSCI  ページ： 1452-1459  発行年： 2020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： 構造認識は,長年にわたってかなりの関心の研究分野である。これは,コンピュータとの自然なインターフェイシングを可能にするために,サイン言語認識による支援から適用可能な多くの領域に起因する。計算電力の増加で,計算知能(CI)アルゴリズムを使用する新しい方法を探究した。CIを改善する一つの方法は,特徴抽出とジェスチャ記述のための新しいフレームワークをテストすることである。そのようなフレームワークの一つは,人間ジェスチャのための機能的および表現的記述子を提供するLaban Movement Analysis(LMA)である。過去において,LMAは,最も一般的にアトアとダンスに適用された。本論文は,計算知能フレームワークの下で,LMAを導電性ジェスチャの研究に適用することを試みた。本手法では,深層学習を積層ニューラルネットワークモデルを用いて採用した。積層ニューラルネットワーク法は学習のより多くの層を可能にし,より正確な結果を生成することが期待される。72の全ファイルの3つのデータセットを用いて,5つの異なるニューラルネットワークを訓練した。結果は,種々のLaban品質の分類において高精度を達成し,1つの領域で99.85%の最大精度率を得たことを示した。本研究の主な成果は,音楽伝導ジェスチャーを通してLaban特徴および記述子の理解および分類における深層学習の使用を示すことである。Copyright 2021 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 ,  音楽 ,  電力 ,  *ニューラルネットワーク ,  特徴抽出 ,  人工知能 ,  インタフェイス ,  コンピュータ ,  *導電性
準シソーラス用語： 身振り ,  神経回路網モデル ,  高精度 ,  言語認識 ,  深層学習 , 【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 (5件)： ニューラルネットワーク ,  導電性 ,  ジェスチャー ,  フレームワーク ,  解析