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。
無線技術,適応トラッカー,および組込みセンサを備えた機器の新世代は,ヘルスケアシステムおよび生活の質に大きな影響を与える。これらのデバイスを考慮する最も重要な側面の中で,得られたデータと電力消費の精度である。モニターできる事象の多くは,明らかに簡単であるが,埋込みセンサを備えたデバイス,特に低い計算能力を備えたデバイスによって容易に検出不可能であった。深層学習は,異なるターゲットクラスの認識に寄与する特徴の研究を低減することはよく知られている。本研究では,ホブブルボードに応用可能な携帯式および電池駆動型マイクロコントローラベースのデバイスを示した。Wobbleボードは,足関節損傷を回避するため,または損傷後のリハビリテーションプロセスの一部として,感覚運動訓練に使用できる低コスト装置である。運動認識プロセスは,深い学習に基づく認知技術を用いて実行した。電力消費を低減するために,デバイスハードウェアとソフトウェア構成を動的に管理し,実行時間で必要な動作モードに適応させる適応層を追加した。実験結果は,ランタイムでの作業負荷へのノード構成の調整が電力消費の60%まで節約できることを示した。カスタムデータセット上で,著者らの最適化および量子化ニューラルネットワークは,wobbleボード上のいくつかの特定の物理的運動を検出するために,97%以上の精度値を達成した。【JST・京大機械翻訳】