文献

J-GLOBAL ID：202202210651393298   整理番号：22A0807349

古典的マシンと深層学習法を用いた人間活動の分類に関する比較研究【JST・京大機械翻訳】

A Comparative Study on Classifying Human Activities Using Classical Machine and Deep Learning Methods

著者 (1件)： Bozkurt Ferhat (Department of Computer Engineering, Faculty of Engineering, Ataturk University, Erzurum, Turkey)
資料名： Arabian Journal for Science and Engineering  (Arabian Journal for Science and Engineering)
巻： 47  号： 2  ページ： 1507-1521  発行年： 2022年 
JST資料番号： W4051A  ISSN： 2193-567X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人間の身体活動の予測は,スマートワッチやスマートフォンのようなウェアラブルで携帯可能なハードウェアの開発で来るいくつかの応用の必要性となっている。人間行動認識(HAR)の課題は,センサ,例えば加速度計とジャイロスコープから収集したデータを用いて,人間の身体活動,例えば歩行,座位,および走行を認識することである。HARはスマートフォンのようなスマートシステムに一般的に適用され,ユーザの行動の理解を助け,近年ユビキタスコンピューティング技術の急速な発展のためにユーザへの支援を提供する。したがって,日中の立位,歩行,座位のような予測活動は,機械と深層学習における一般的な話題になった。本研究の目的は,ジャイロスコープや加速度計などのセンサによって集められたコンテキスト情報に基づくユーザの活動を予測することである。実施した分類アルゴリズムは訓練データから特徴を抽出し,活性を予測するために特徴に基づく分類モデルを学習する。本論文では,様々な古典的機械と深層学習技術を研究し,人間活動認識に対して比較した。最良の認識性能を持つ分類器を選択するために,技術間で比較解析を行った。実験結果は,確立された深層ニューラルネットワーク(DNN)モデルが,公的に利用可能なUCI-HARデータセットで,最大96.81%の精度と0.03までの平均絶対誤差を達成したことを示した。この方法は,ヒト活動を予測するために,本研究で実施した分類方法の間で最良の性能を与えた。Copyright King Fahd University of Petroleum & Minerals 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *行動 ,  情報 ,  加速度計 ,  ヒト ,  ハードウェア ,  座位 ,  ジャイロスコープ ,  機械学習 ,  ユビキタスコンピューティング ,  スマートフォン
準シソーラス用語： 訓練データ ,  分類アルゴリズム ,  分類モデル ,  *深層学習 ,  コンテキスト情報 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 人間活動認識 ,  スマートフォン ,  センサ ,  分類 ,  機械学習 ,  深層学習

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： マシン ,  深層学習 ,  人間活動 ,  分類 ,  研究