論文の概要: State Transition Modeling of the Smoking Behavior using LSTM Recurrent Neural Networks

• arxiv url: http://arxiv.org/abs/2001.02101v1
• Date: Tue, 7 Jan 2020 15:06:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 20:27:30.739365
• Title: State Transition Modeling of the Smoking Behavior using LSTM Recurrent Neural Networks
• Title（参考訳）: LSTMリカレントニューラルネットワークを用いた喫煙行動の状態遷移モデリング
• Authors: Chrisogonas O. Odhiambo, Casey A. Cole, Alaleh Torkjazi, Homayoun Valafar
• Abstract要約: 本研究では,喫煙活動を認識するためのスマートウォッチセンサの利用に焦点を当てた。 状態遷移モデルとして, 喫煙行動の再構成を行ったところ, 100%に近い検出率の改善がみられた。 さらに,97%近い精度でジェスチャーのコンテキスト内検出を可能にするために,Long-Short-Term Memory (LSTM) ニューラルネットワークの利用を開始した。
• 参考スコア（独自算出の注目度）: 0.2294014185517203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of sensors has pervaded everyday life in several applications including human activity monitoring, healthcare, and social networks. In this study, we focus on the use of smartwatch sensors to recognize smoking activity. More specifically, we have reformulated the previous work in detection of smoking to include in-context recognition of smoking. Our presented reformulation of the smoking gesture as a state-transition model that consists of the mini-gestures hand-to-lip, hand-on-lip, and hand-off-lip, has demonstrated improvement in detection rates nearing 100% using conventional neural networks. In addition, we have begun the utilization of Long-Short-Term Memory (LSTM) neural networks to allow for in-context detection of gestures with accuracy nearing 97%.
• Abstract（参考訳）: センサーの使用は、人間の活動監視、医療、ソーシャルネットワークなど、いくつかのアプリケーションで日常生活に浸透している。 本研究では,スマートウォッチセンサによる喫煙行動の認識に焦点をあてた。 具体的には,喫煙検出における従来の研究を,喫煙の文脈内認識を含むように改定した。 本研究では, 従来のニューラルネットワークを用いて, ミニジェスチャのハンド・ツー・リップ, ハンド・オン・リップ, ハンド・オフ・リップからなる状態遷移モデルとして, 喫煙動作の再構成を行った。 さらに,97%近い精度でジェスチャーのコンテキスト内検出を可能にするために,Long-Short-Term Memory(LSTM)ニューラルネットワークの利用を開始した。

関連論文リスト

• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• Low-power event-based face detection with asynchronous neuromorphic hardware [2.0774873363739985]
  本稿では、SynSense Speckニューロモルフィックチップ上に展開されたイベントベースの顔検出のためのオンチップスパイクニューラルネットワークの最初の例を示す。 トレーニングに用いるオフチップクロック駆動シミュレーションとオンチップイベント駆動推論との精度の相違について述べる。 オンチップ顔検出のmAP[0.5]は0.6で、20mWしか消費しない。
  論文  参考訳（メタデータ） (2023-12-21T19:23:02Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Human Activity Recognition on Time Series Accelerometer Sensor Data using LSTM Recurrent Neural Networks [0.2294014185517203]
  本研究では,スマートウォッチの加速度センサを用いて食行動を認識することに焦点を当てた。 ピザを食べながら10人の被験者からセンサデータを収集した。 LSTM-ANNアーキテクチャは,パフ,薬物服用,ジョギング活動と比較して90%の成功率を示した。
  論文  参考訳（メタデータ） (2022-06-03T19:24:20Z)
• A Bottom-up method Towards the Automatic and Objective Monitoring of Smoking Behavior In-the-wild using Wrist-mounted Inertial Sensors [6.955421797534318]
  タバコの消費量は世界的な流行率に達しており、死因や病気の主な原因となっている。 本稿では,喫煙行動の自動的・客観的モニタリングに向けた2段階のボトムアップアルゴリズムを提案する。 最初のステップでは、畳み込み層と反復層の両方を持つ人工ニューラルネットワークを用いて、個々の喫煙動作(即ちパフ)を検出する。 第2のステップでは,検出されたパフ密度を利用して,日中発生する喫煙セッションの時間的局所化を実現している。
  論文  参考訳（メタデータ） (2021-09-08T07:50:47Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• Continuous Gesture Recognition from sEMG Sensor Data with Recurrent Neural Networks and Adversarial Domain Adaptation [1.7205106391379026]
  移動手首と非移動手首のジェスチャー認識において経験的な結果を示す。 RNNによる連続ジェスチャー認識にドメイン適応技術を加えることで、被験者間の移動能力が向上することを示した。
  論文  参考訳（メタデータ） (2020-12-16T09:24:37Z)
• Learn to cycle: Time-consistent feature discovery for action recognition [83.43682368129072]
  時間的変動を一般化することは、ビデオにおける効果的な行動認識の前提条件である。 Squeeze Re Temporal Gates (SRTG) を導入する。 SRTPGブロックを使用する場合,GFLOの数は最小限に抑えられ,一貫した改善が見られた。
  論文  参考訳（メタデータ） (2020-06-15T09:36:28Z)
• Recognition of Smoking Gesture Using Smart Watch Technology [0.18472148461613155]
  喫煙ジェスチャーの早期同定は、適切な介入方法を開始し、喫煙の再発を防ぐのに役立つ。 喫煙行動の識別における85%-95%の成功率を示す実験を行った。 我々は,スマートウォッチを用いて日常活動の継続的なモニタリングを行う可能性を実証した。
  論文  参考訳（メタデータ） (2020-03-05T16:05:49Z)
• Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
  XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。 コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-02-02T21:09:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。