論文の概要: Human Action Performance using Deep Neuro-Fuzzy Recurrent Attention
Model
- arxiv url: http://arxiv.org/abs/2001.10953v3
- Date: Wed, 25 Mar 2020 20:40:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 21:22:17.296586
- Title: Human Action Performance using Deep Neuro-Fuzzy Recurrent Attention
Model
- Title（参考訳）: 深部神経ファジィリカレントアテンションモデルを用いたヒューマンアクション性能
- Authors: Nihar Bendre, Nima Ebadi, John J Prevost and Paul Rad
- Abstract要約: ファジィ論理規則とニューラルベース行動認識モデルを組み合わせることで、人間の行動の強度を、過度または軽度と評価した。
インデクシング生成データセットの精度は89.16%に達した。
統合モデルは、人間の行動の強度指数を効果的に推定する神経ファジィ推論モジュールの能力を示す。
- 参考スコア（独自算出の注目度）: 3.383670923637875
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A great number of computer vision publications have focused on distinguishing
between human action recognition and classification rather than the intensity
of actions performed. Indexing the intensity which determines the performance
of human actions is a challenging task due to the uncertainty and information
deficiency that exists in the video inputs. To remedy this uncertainty, in this
paper we coupled fuzzy logic rules with the neural-based action recognition
model to rate the intensity of a human action as intense or mild. In our
approach, we used a Spatio-Temporal LSTM to generate the weights of the
fuzzy-logic model, and then demonstrate through experiments that indexing of
the action intensity is possible. We analyzed the integrated model by applying
it to videos of human actions with different action intensities and were able
to achieve an accuracy of 89.16% on our intensity indexing generated dataset.
The integrated model demonstrates the ability of a neuro-fuzzy inference module
to effectively estimate the intensity index of human actions.
- Abstract（参考訳）: 多くのコンピュータビジョン出版物は、実行された行動の強度よりも、人間の行動認識と分類の区別に焦点を当てている。
人間の行動のパフォーマンスを決定する強度をインデクシングすることは、ビデオ入力に存在する不確実性と情報不足のために難しい課題である。
この不確実性に対処するために,本論文ではファジィ論理ルールとニューラルネットワークを用いた行動認識モデルを組み合わせて,人間の行動の強度を強烈あるいは軽度に評価する。
提案手法では,ファジィ論理モデルの重み生成に時空間LSTMを用い,作用強度のインデクシングが可能であることを示す実験を行った。
動作強度の異なる人間の行動のビデオに適用することにより、統合モデルを解析し、我々の強度インデックス生成データセットにおいて89.16%の精度を達成できた。
統合モデルは、人間の行動の強度指数を効果的に推定する神経ファジィ推論モジュールの能力を示す。
関連論文リスト
- Reinforcement Learning under Latent Dynamics: Toward Statistical and Algorithmic Modularity [51.40558987254471]
強化学習の現実的な応用は、エージェントが複雑な高次元の観察を行う環境を含むことが多い。
本稿では,統計的・アルゴリズム的な観点から,textit General$ latent dynamicsの下での強化学習の課題に対処する。
論文 参考訳（メタデータ） (2024-10-23T14:22:49Z) - 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) - Spatial-temporal Transformer-guided Diffusion based Data Augmentation
for Efficient Skeleton-based Action Recognition [32.07659338674024]
骨格に基づく行動認識タスクのための新しいデータ拡張手法を提案する。
本手法は, 自然性および多様性の異なる指標に対して, 最先端(SOTA)モーション生成手法より優れる。
論文 参考訳（メタデータ） (2023-02-26T23:02:33Z) - A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。
本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。
本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
論文 参考訳（メタデータ） (2022-11-16T20:00:38Z) - Modeling cognitive load as a self-supervised brain rate with
electroencephalography and deep learning [2.741266294612776]
本研究では,脳波データからメンタルワークロードをモデリングするための,新たな自己教師型手法を提案する。
脳波データからスペクトル地形図を空間的に保存して脳速度変数に適合させることができる畳み込みリカレントニューラルネットワークである。
学習した認知活性化の準安定なブロックの存在は、それらは畳み込みによって誘導され、時間とともに互いに依存していないように見えるため、脳反応の非定常的性質と直感的に一致している。
論文 参考訳（メタデータ） (2022-09-21T07:44:21Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z) - Neural Latents Benchmark '21: Evaluating latent variable models of
neural population activity [10.356290614426818]
本稿では,ニューラル集団活動の潜時変動モデリングのためのベンチマークスイートを提案する。
認知,感覚,運動領域から神経スパイク活動の4つのデータセットを収集した。
我々は,教師なし評価をデータセット間のモデル評価の共通フレームワークとして認識する。
論文 参考訳（メタデータ） (2021-09-09T17:58:35Z) - Human Activity Recognition Using Multichannel Convolutional Neural
Network [0.0]
人間の活動認識(HAR)は、単に人間の行動を知覚する機械の能力を指します。
本論文では,実用的行動から収集したデータに基づいて,人間の行動を区別できる教師付き学習法について述べる。
このモデルはUCI HARデータセットでテストされ、95.25%の分類精度が得られた。
論文 参考訳（メタデータ） (2021-01-17T16:48:17Z) - Unsupervised Learning Facial Parameter Regressor for Action Unit
Intensity Estimation via Differentiable Renderer [51.926868759681014]
骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。
提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
論文 参考訳（メタデータ） (2020-08-20T09:49:13Z) - Stochasticity in Neural ODEs: An Empirical Study [68.8204255655161]
ニューラルネットワークの正規化(ドロップアウトなど)は、より高度な一般化を可能にするディープラーニングの広範な技術である。
トレーニング中のデータ拡張は、同じモデルの決定論的およびバージョンの両方のパフォーマンスを向上させることを示す。
しかし、データ拡張によって得られる改善により、経験的正規化の利得は完全に排除され、ニューラルODEとニューラルSDEの性能は無視される。
論文 参考訳（メタデータ） (2020-02-22T22:12:56Z) - Human Action Recognition and Assessment via Deep Neural Network
Self-Organization [0.0]
本章では,深度マップとRGB画像からの行動の学習と認識のための階層モデルを紹介する。
これらのモデルの特徴は、非定常分布に迅速に適応する自己組織化ネットワークの利用である。
論文 参考訳（メタデータ） (2020-01-04T15:58:06Z)
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。