論文の概要: A Fourier Domain Feature Approach for Human Activity Recognition & Fall Detection

• arxiv url: http://arxiv.org/abs/2003.05209v1
• Date: Wed, 11 Mar 2020 10:49:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 14:50:39.310182
• Title: A Fourier Domain Feature Approach for Human Activity Recognition & Fall Detection
• Title（参考訳）: ヒトの活動認識と転倒検出のためのフーリエ領域の特徴的アプローチ
• Authors: Asma Khatun and Sk. Golam Sarowar Hossain
• Abstract要約: 本研究は、周波数領域フーリエ係数を用いて日常生活の人間の活動を識別する。 メソッドの評価には、2つの異なる教師付き分類器kNNとSVMが使用される。 標準精度(SA)、マクロ平均精度(MAA)、感度(SE)、特異性(SP)など、さまざまな標準指標が考慮されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Elder people consequence a variety of problems while living Activities of Daily Living (ADL) for the reason of age, sense, loneliness and cognitive changes. These cause the risk to ADL which leads to several falls. Getting real life fall data is a difficult process and are not available whereas simulated falls become ubiquitous to evaluate the proposed methodologies. From the literature review, it is investigated that most of the researchers used raw and energy features (time domain features) of the signal data as those are most discriminating. However, in real life situations fall signal may be noisy than the current simulated data. Hence the result using raw feature may dramatically changes when using in a real life scenario. This research is using frequency domain Fourier coefficient features to differentiate various human activities of daily life. The feature vector constructed using those Fast Fourier Transform are robust to noise and rotation invariant. Two different supervised classifiers kNN and SVM are used for evaluating the method. Two standard publicly available datasets are used for benchmark analysis. In this research, more discriminating results are obtained applying kNN classifier than the SVM classifier. Various standard measure including Standard Accuracy (SA), Macro Average Accuracy (MAA), Sensitivity (SE) and Specificity (SP) has been accounted. In all cases, the proposed method outperforms energy features whereas competitive results are shown with raw features. It is also noticed that the proposed method performs better than the recently risen deep learning approach in which data augmentation method were not used.
• Abstract（参考訳）: 高齢者は、年齢、感覚、孤独感、認知の変化のために、日常生活活動(ADL)の生活中に様々な問題を引き起こす。 これはadlにリスクをもたらし、いくつかの転倒を引き起こす。 実際の転倒データを取得することは難しいプロセスであり、シミュレーションされた転倒がユビキタスになり、提案手法を評価する。 文献レビューから, 研究者のほとんどが信号データの生およびエネルギー的特徴(時間領域特徴)を用いており, それらが最も識別されていることが明らかとなった。 しかし、現実の状況では、降下信号は現在のシミュレーションデータよりもうるさい。 したがって、生の機能を使用する結果は、実際のシナリオで使用すると劇的に変化するかもしれない。 本研究は、周波数領域フーリエ係数を用いて、日常生活の様々な人間の活動を区別する。 これらの高速フーリエ変換を用いて構築された特徴ベクトルは、ノイズや回転不変量に対して堅牢である。 方法の評価には、2つの異なる教師付き分類器kNNとSVMを使用する。 ベンチマーク分析には2つの標準公開データセットが使用されている。 本研究では、SVM分類器よりもkNN分類器を用いてより識別結果を得る。 標準精度(SA)、マクロ平均精度(MAA)、感度(SE)、特異性(SP)など、さまざまな標準指標が考慮されている。 いずれの場合も,提案手法はエネルギー特性よりも優れており,一方,競争結果は生の特徴で示される。 また,提案手法は,データ拡張手法が使用されなかった最近の深層学習手法よりも優れていた。

関連論文リスト

• TESSERACT: Eliminating Experimental Bias in Malware Classification across Space and Time (Extended Version) [18.146377453918724]
  マルウェア検知器は、常に進化するオペレーティングシステムや攻撃方法によって、しばしば性能劣化を経験する。 本論文は, 検出作業における2つの実験バイアス源により, 一般的に報告される結果が膨らんでいることを論じる。
  論文  参考訳（メタデータ） (2024-02-02T12:27:32Z)
• DCID: Deep Canonical Information Decomposition [84.59396326810085]
  本稿では,2つの1次元目標変数間で共有される信号の同定について考察する。 そこで本研究では,地中トラスラベルの存在下で使用可能な評価指標であるICMを提案する。 また、共有変数を学習するための単純かつ効果的なアプローチとして、Deep Canonical Information Decomposition (DCID)を提案する。
  論文  参考訳（メタデータ） (2023-06-27T16:59:06Z)
• Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
  航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。 本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。 シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
  論文  参考訳（メタデータ） (2023-05-17T09:37:07Z)
• Minimal Feature Analysis for Isolated Digit Recognition for varying encoding rates in noisy environments [2.3859169601259342]
  異なるビットレートと異なるノイズレベルの存在下での孤立した桁認識の分析が実施されている。 隠れマルコフモデル(HMM)は、この実験に使われた認識モデルである。 サンプリングレートの異なる5種類の一般的なビットレートは、最も最適なビットレートを見つけるために考慮された。
  論文  参考訳（メタデータ） (2022-08-27T23:05:06Z)
• A Computational Exploration of Emerging Methods of Variable Importance Estimation [0.0]
  変数の重要性を推定することは、現代の機械学習において必須のタスクである。 本稿では,変数重要度推定の新しい手法の計算的および理論的検討を提案する。 この結果から,PERFは相関性の高いデータでは最高の性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T20:00:56Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Robust Meta-learning with Sampling Noise and Label Noise via Eigen-Reptile [78.1212767880785]
  Meta-learnerは、利用可能なサンプルがわずかしかないため、過度に適合する傾向がある。 ノイズの多いラベルでデータを扱う場合、メタラーナーはラベルノイズに対して非常に敏感になる可能性がある。 本稿では,タスク固有のパラメータの主要な方向でメタパラメータを更新するEigen-Reptile(ER)を提案する。
  論文  参考訳（メタデータ） (2022-06-04T08:48:02Z)
• TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks [73.01104041298031]
  TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。 時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。 提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
  論文  参考訳（メタデータ） (2020-09-16T15:52:04Z)
• Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
  変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。 近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。 我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
  論文  参考訳（メタデータ） (2020-08-21T15:03:21Z)
• On the Robustness of Active Learning [0.7340017786387767]
  Active Learningは、機械学習アルゴリズムをトレーニングする上で最も有用なサンプルを特定する方法に関するものだ。 十分な注意とドメイン知識を持っていないことがよくあります。 そこで本研究では,Simpson の多様性指標に基づく新たな "Sum of Squared Logits" 手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:07:23Z)

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。