文献

J-GLOBAL ID：202102296066317326   整理番号：21A0444769

疼痛強度および保護行動予測のためのLSTM-DNNベースアプローチ【JST・京大機械翻訳】

LSTM-DNN based Approach for Pain Intensity and Protective Behaviour Prediction

著者 (4件)： Li Yi (Monash University,Human-Centred Computing, Faculty of Information Technology,Australia) ,  Ghosh Shreya (Monash University,Human-Centred Computing, Faculty of Information Technology,Australia) ,  Joshi Jyoti (Monash University,Human-Centred Computing, Faculty of Information Technology,Australia) ,  Oviatt Sharon (Monash University,Human-Centred Computing, Faculty of Information Technology,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： FG  ページ： 819-823  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： 本論文では,EmoPainチャレンジの一部として,身体運動からの疼痛強度認識および保護行動予測タスクに対するアプローチを提案した。与えられたデータセットは,両タスクに対する身体部分ベースセンサデータから成る。提案したネットワークは軽量LSTM-DNNモデルであり,入力として角度,角度エネルギーおよびsEMG特性をとり,出力として疼痛強度レベルと保護挙動を予測する。LSTM,Bi-LSTM,注意-LSTMおよびLSTM-DNNモデルの性能を,同じデータセットに関するこの問題に対して比較した。モデルの識別力を高めるために,すべてのモデルの共同訓練を行い,追加ラベルとして運動型とそれぞれのタスクラベルを結合した。実験は,提案した方式が有効であり,疼痛強度予測で35.00%,保護行動予測で47.72%のマージンで検証セットでベースラインより性能が優れていることを示した。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： *ネットワーク ,  身体部位 ,  基準線
準シソーラス用語： *行動予測 ,  *疼痛強度 ,  長短期記憶 , 【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 (3件)： 疼痛強度 ,  行動予測 ,  LSTM