文献

J-GLOBAL ID：202202220388447361   整理番号：22A0104562

ウェアラブルセンサを用いた歩行と歩行周期の予測に対する学習アーキテクチャ【JST・京大機械翻訳】

Learning architecture for the recognition of walking and prediction of gait period using wearable sensors

著者 (3件)： Martinez-Hernandez Uriel (Centre for Autonomous Robotics (CENTAUR), Department of Electronic and Electrical Engineering, University of Bath, Bath BA2 7AY, UK) ,  Awad Mohammed I. (Department of Mechatronics Engineering, Ain Shams University, Cairo, Egypt) ,  Dehghani-Sanij Abbas A. (School of Mechanical Engineering, University of Leeds, Leeds, UK)
資料名： Neurocomputing  (Neurocomputing)
巻： 470  ページ： 1-10  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,ウェアラブルセンサを用いて,歩行活動と歩行期間の認識と予測のための新しい学習アーキテクチャを示した。この手法は,畳込みニューラルネットワーク(CNN),予測情報利得(PIG)モジュール,および情報源の適応組合せから成る。CNNは歩行と歩行期間の認識を提供する。この情報は,歩行サイクルに沿った次の最も可能性のある歩行期間を推定するため,提案したPIG法により使用される。CNNとPIGモジュールからの出力は,提案した適応過程によって結合され,これは,より信頼性が高い源からのデータに依存する。この適応組合せは,学習アーキテクチャが,時間にわたる歩行活動と歩行期間の正確な認識と予測を提供する事を確実にする。学習アーキテクチャは,個人の下肢に取り付けた3つの慣性測定ユニットのアレイからのデータを使用する。本研究の検証は,レベル-地上歩行,傾斜上昇および傾斜降下の認識,および歩行期間の予測により行った。CNNモデルが単独で採用されるとき,歩行活動と歩行周期の認識は,それぞれ100%と98.63%であった。歩行周期の認識は,PIG法と適応組合せを用いるとき,99.9%の精度を達成する。これらの結果は,次の情報または事象を予測または予測することができるシステムを有する利点を実証した。全体として,学習アーキテクチャは正確な活動認識のための代替手法を提供し,日常生活の活動において人間を信頼性高く安全に支援できるウェアラブルロボットの開発に不可欠である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計測器 ,  *学習 ,  情報源 ,  信頼性 ,  *計算機アーキテクチャ ,  日常生活動作
準シソーラス用語： ウェアラブルセンサ ,  ウェアラブルロボット ,  行動認識 ,  *歩行周期 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 活動認識 ,  深層学習 ,  学習アーキテクチャ ,  ウェアラブルセンサ

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： ウェアラブルセンサ ,  歩行 ,  歩行周期 ,  予測 ,  学習 ,  アーキテクチャ