文献

J-GLOBAL ID：202102285196713315   整理番号：21A0447862

手首装着身体活動認識:融合学習アプローチ【JST・京大機械翻訳】

Wrist-worn Physical Activity Recognition: A Fusion Learning Approach

著者 (3件)： Kongsil Katika (Burapha University,Mobile Application Developers, Incubation Laboratory, Faculty of Informatics,Chonburi,Thailand) ,  Suksawatchon Jakkarin (Burapha University,Mobile Application Developers, Incubation Laboratory, Faculty of Informatics,Chonburi,Thailand) ,  Suksawatchon Ureerat (Burapha University,Mobile Application Developers, Incubation Laboratory, Faculty of Informatics,Chonburi,Thailand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： InCIT  ページ： 116-121  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： 手首-wornデバイス上のセンサにおける技術の利点により,多くの研究者は,生活状況における身体活動を認識するための信号を研究し,利用してきた。しかし,これらの研究は,特に認識率を改善する,困難な問題に直面している。対象の記録センサデータを使用しないで,機械学習の融合手法を用いることにより,3つの重要なモデルから成る交差被験者行動認識フレームワークを作成することを目指した。性能は,異なる窓サイズを有する4つの公開データセットでテストした。著者らの実験結果は,提案フレームワークが最先端のモデルと比較して最も高い認識率を達成することを証明した。いくつかのデータセットにおいて,著者らのフレームワークは認識率において80%以上の成功を達成した。他のデータセットでは,提案モデルは90%に達することができる。要約すれば,提案フレームワークは実世界シナリオにおける身体活動の分類と同定のための活動認識ツールである。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： *学習 ,  センサ ,  機械学習
準シソーラス用語： 被験者 ,  認識率 ,  行動認識 ,  センサデータ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 手首 ,  身体 ,  活動認識 ,  融合 ,  学習