文献

J-GLOBAL ID：202202283537930890   整理番号：22A0984222

λ法によるファジィ化深層CNNアーキテクチャを用いたセンサベース人間活動認識【JST・京大機械翻訳】

Sensor-based human activity recognition using fuzzified deep CNN architecture with λ method

著者 (3件)： V. Gomathi (National Engineering College, Kovilpatti, India) ,  S. Kalaiselvi (National Engineering College, Kovilpatti, India) ,  D Thamarai Selvi (National Engineering College, Kovilpatti, India)
資料名： Sensor Review  (Sensor Review)
巻： 42  号： 2  ページ： 250-262  発行年： 2022年 
JST資料番号： E0968A  ISSN： 0260-2288  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 目的:本研究は,スマートフォンセンサベースの人間活動認識の分類のために,新しいファジィアソシレータルールベースファジィ化深層畳込みニューラルネットワーク(FDCNN)アーキテクチャを開発することを目的とする。本研究は,データ正規化技法として,重み初期化のためのλ_max法を融合することに主に焦点を当て,分類の高精度を達成した。設計/方法論/アプローチ:本研究の主要な貢献は,FDCNNアーキテクチャとしてモデル化され,これは,ファジー論理ベースのデータアグリゲータと最初に融合される。本研究は,畳み込みニューラルネットワーク層に供給する前に,California,Irvineデータセットの統計パラメーターを標準化することに焦点を当てた。λ_max法を有するこのFDCNNモデルは,センサベースの人間活動認識における改善された性能精度を有する高速収束を確実にするのに有用である。衝撃解析を行い,λ_max法による提案FDCNNモデルに対するハイパーパラメータチューニングによる結果の妥当性を検証した。結果:λ_max法による提案FDCNNモデルの有効性は最先端のモデルよりも優れており,全F1スコアが0.9795である97.89%の総合精度を達成した。実際的な意味:提案したファジィ会合ルール層(FAL)層は,ファジィルールに基づく特徴相関の原因となり,信号推論とノイズのためセンサデータの不確実性を調節する。また,正規化データをλ_max法で割り当てられたFALカーネル構造重みに基づいて主観的にグループ化した。社会的含意:人間行動認識(HAR)認識を前進させるのを支援する新しいFDCNNアーキテクチャを配布する。独創性/価値:新しいFDCNNアーキテクチャを適切なFALカーネル構造で実装した。Copyright 2022 Emerald Publishing Limited All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  畳込み ,  標準化 ,  不確実性 ,  同調 ,  モデル ,  センサ ,  深層 ,  曖昧さ ,  *計算機アーキテクチャ ,  正規化 ,  ファジィ論理 ,  含意 ,  スマートフォン
準シソーラス用語： ファジィルール , 【Automatic Indexing@JST】

著者キーワード (6件)： 人間活動認識 ,  データ正規化 ,  深い畳込みモデル ,  ファジィ連想ルール ,  正相反行列 ,  ΔΣ_max法

分類 (2件)： 光導波路,光ファイバ,繊維光学  (BD06030H) ,  生体計測・解析一般  (EL03010R)

タイトルに関連する用語 (7件)： 法 ,  ファジィ化 ,  深層 ,  CNN ,  アーキテクチャ ,  人間 ,  活動認識