文献
J-GLOBAL ID:202202272246336612   整理番号:22A1155955

人間活動認識のための文脈を意識したミドルウェアにおける機械学習法の使用に関する調査【JST・京大機械翻訳】

A survey on the use of machine learning methods in context-aware middlewares for human activity recognition
著者 (3件):
資料名:
巻: 55  号:ページ: 3369-3400  発行年: 2022年 
JST資料番号: E0339C  ISSN: 0269-2821  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:
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。
人間行動認識(HAR)は,日常タスクにおいてユーザが実行する活動を推論するための(パス)センサデータまたは複雑なコンテキスト情報を用いる。HARは,確率的,ルールベース,統計的,論理的推論,または機械学習(ML)パラダイムを含む異なる推論機構のような異なるパラダイムを用いて広く研究され,ユーザ活動を認識し,予測するための推論モデルを構築する。HARのMLは,他のパラダイムよりもより大きな精度で,異なるセンサからの収集データの分析を通して,活動が認識され,予想される。他方,コンテキスト意識ミドルウェア(CAM)は多数の異なるデバイスとセンサを効率的に統合できる。さらに,それらは,多くのセンサとデータが環境知能,スマート都市,およびe-ヘルス領域のようなそれらのベースであるシナリオにおけるソフトウェアソリューションの設計と構築を流線するためのプログラマブルで自動構成可能なインフラストラクチャを提供する。この方法で,CAMsにおけるサービスとしてのML能力の完全な統合は,MLが必要なとき,特にHARのために,これらの領域におけるソフトウェアソリューションの開発を前進させることができ,これは,これらの領域における多くのシナリオの基礎である。本研究では,系統的文献レビュー(SLR)を通してCAMsにおけるHARに対するMLの使用における最先端の同定のための調査を提示する。SLRでは,4つの研究質問に答えた。(i)CAMで利用可能な異なるタイプの文脈推論者である。(ii)MLアルゴリズムと文脈推論のためのモデル生成に用いる方法;(iii)CAMがリアルタイムでデータ処理をサポートする;および(iv)研究作業によって通常取り組まれるHARシナリオである。本解析では,MLは,バッチ学習,適応学習およびデータストリーム学習を含む異なるMLアプローチを用いて,HARに対する推論モデルを構築するための実行可能なアプローチを提供するが,特に,データ上の概念ドリフトを考慮したデータストリーム学習の利用,推論モデルの適応のための機構,およびCAMにおけるサービスとして,特にHARに対するこの全てを考察するために,いくつかのギャップおよび研究課題が存在することを観察した。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 

前のページに戻る