文献

J-GLOBAL ID：201602212878211556   整理番号：16A1097414

6軸運動センシングデータを用いたVO_2推定へのニューラルネットワークの適用【Powered by NICT】

Applying neural network to VO₂ estimation using 6-axis motion sensing data

著者 (7件)： Nakamura Naoteru (Graduate School of Engineering Science, Kansai University) ,  Nagata Takashi (Graduate School of Engineering Science, Kansai University) ,  Miyatake Masato (Graduate School of Engineering Science, Kansai University) ,  Yuuki Akira (Graduate School of Engineering Science, Kansai University) ,  Yomo Hiroyuki (Graduate School of Engineering Science, Kansai University) ,  Kawabata Takashi (Graduate School of Health and Well-being, Kansai University) ,  Hara Shinsuke (Graduate School of Engineering, Osaka City University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： EMBC  ページ： 4739-4742  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,異なる強度を持つスポーツ者に付着した小さい運動センサから得られた6軸運動データ(3軸加速度と3軸角速度)を用いた酸素消費(VO_2)推定に焦点を当てた。運動の強度の広い範囲にわたって高い推定精度を達成するために,運動の強度の広い範囲を持つ人々の測定VO_2と運動センシングデータから成る実験データにより訓練されるニューラルネットワークを適用した。最初の線形回帰モデルに基づく手法との精度を比較することによるニューラルネットワークを適用することによる利得を調べた。角速度に関する情報は加速度データのみによる推定と比較してもたらすことができる多くの改良解析した。著者らの数値結果は,ニューラルネットワークを利用した利用したフレームワークは,線形回帰モデルと比較して推定精度を改善することができ,角速度に関する情報の利用は,運動のより高い強度以上の精度を改善するために重要な役割を果たすことを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 酸素消費 ,  加速度 ,  *ニューラルネットワーク ,  スポーツ ,  角速度 ,  利得
準シソーラス用語： 線形回帰モデル ,  推定精度 ,  モーションセンサ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 運動 ,  センシング ,  推定 ,  ニューラルネットワーク