文献

J-GLOBAL ID：201702287833236961   整理番号：17A0381110

装着型センサを用いた機械学習法を用いた人間活動の認識【Powered by NICT】

Recognition of human activities using machine learning methods with wearable sensors

著者 (4件)： Cheng Long (Research and Development Department, Kiwii Power Technology Corporation, Troy, NY, USA) ,  Guan Yani (Department of Electrical, Computer and Systems Engineering, Rensselaer Polytechnic Institute, Troy, NY, USA) ,  Kecheng Zhu (Department of Electrical, Computer and Systems Engineering, Rensselaer Polytechnic Institute, Troy, NY, USA) ,  Yiyang Li (Department of Electrical, Computer and Systems Engineering, Rensselaer Polytechnic Institute, Troy, NY, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCWC  ページ： 1-7  発行年： 2017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： ウェアラブルセンサ技術を用いた身体活動認識は,過去数十年にわたってますます注目を集めている。複雑さと様々な身体活動は,身体活動を認識する高速,正確かつ自動的に困難にしている。この問題を解決するために,本論文では,ウェアラブルセンサにより収集されたデータを用いた分類問題として身体活動認識問題を定式化した。また三つの異なる機械学習アルゴリズム,サポートベクトルマシン,隠れMarkovモデルと人工ニューラルネットワークは異なる身体活動を認識するために提示した。実世界ウェアラブルセンサデータセットに種々の数値実験は,これらの分類アルゴリズムの有効性を検証するために設計した。最後に結果は,全ての三つのアルゴリズムは十分な活性認識性能を達成することを実証した。Copyright 2017 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： 隠れMarkovモデル ,  アルゴリズム ,  定式化 ,  *センサ ,  ニューラルネットワーク ,  学習アルゴリズム ,  サポートベクトルマシン ,  *機械学習 ,  高速度
準シソーラス用語： 分類アルゴリズム ,  数値実験 ,  身体活動 ,  ウェアラブルセンサ ,  *人間活動 ,  *ウェアラブル , 【Automatic Indexing@JST】

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 (3件)： 装着型 ,  機械学習 ,  人間活動