論文の概要: AdaSense: Adaptive Low-Power Sensing and Activity Recognition for Wearable Devices

• arxiv url: http://arxiv.org/abs/2006.05884v1
• Date: Wed, 10 Jun 2020 15:17:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 06:33:57.698230
• Title: AdaSense: Adaptive Low-Power Sensing and Activity Recognition for Wearable Devices
• Title（参考訳）: AdaSense:ウェアラブルデバイスのための適応型低消費電力センシングとアクティビティ認識
• Authors: Marina Neseem, Jon Nelson, Sherief Reda
• Abstract要約: AdaSenseは、人間活動認識のためのセンシング、特徴抽出、分類を併用したフレームワークである。 このフレームワークは、精度とエネルギートレードオフのパレットフロンティアを表す構成を選択する。 提案手法は, センサの消費電力を69%削減し, 動作認識精度は1.5%以下である。
• 参考スコア（独自算出の注目度）: 2.0119495998780925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wearable devices have strict power and memory limitations. As a result, there is a need to optimize the power consumption on those devices without sacrificing the accuracy. This paper presents AdaSense: a sensing, feature extraction and classification co-optimized framework for Human Activity Recognition. The proposed techniques reduce the power consumption by dynamically switching among different sensor configurations as a function of the user activity. The framework selects configurations that represent the pareto-frontier of the accuracy and energy trade-off. AdaSense also uses low-overhead processing and classification methodologies. The introduced approach achieves 69% reduction in the power consumption of the sensor with less than 1.5% decrease in the activity recognition accuracy.
• Abstract（参考訳）: ウェアラブルデバイスには厳格なパワーとメモリ制限がある。 その結果、精度を犠牲にすることなく、これらのデバイス上での消費電力を最適化する必要がある。 本稿では,人間行動認識のためのセンシング・特徴抽出・分類協調フレームワークであるAdaSenseについて述べる。 ユーザアクティビティの関数として異なるセンサ構成を動的に切り替えることで消費電力を削減する手法を提案する。 フレームワークは、正確性とエネルギーのトレードオフのpareto-frontierを表す構成を選択する。 AdaSenseは低オーバーヘッド処理と分類手法も使っている。 提案手法は, センサの消費電力を69%削減し, 動作認識精度は1.5%以下である。

関連論文リスト

• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。 得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。 本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• Big-Little Adaptive Neural Networks on Low-Power Near-Subthreshold Processors [0.0]
  論文は、エッジAIアプリケーションにおいて、ほぼサブスレッショルドなプロセッサが得るエネルギーの節約について考察する。 アプリケーションの正確性を維持しながら、それらを改善するための戦略を提案する。
  論文  参考訳（メタデータ） (2023-04-19T14:36:30Z)
• HEAT: Hardware-Efficient Automatic Tensor Decomposition for Transformer Compression [69.36555801766762]
  本稿では,分解可能な指数空間を効率的に探索できるハードウェア対応テンソル分解フレームワークHEATを提案する。 ハードウェア対応のBERT変異体は, エネルギー遅延を5.7倍に低減し, 精度が1.1%以下であることを示す。
  論文  参考訳（メタデータ） (2022-11-30T05:31:45Z)
• Optimization of Forcemyography Sensor Placement for Arm Movement Recognition [10.889386494753284]
  本稿では、腕の動き認識への応用において、アームバンドに対するフォースミノグラフィーセンサーの配置を最適化することに焦点を当てる。 我々のアルゴリズムは、すべてのセンサと同等の認識精度を維持するのに役立ちます。 この研究は、人間の生体信号収集や運動認識といった下流のタスクを考慮したウェアラブルデバイスの自動製造に光を当てたい。
  論文  参考訳（メタデータ） (2022-07-22T07:37:48Z)
• Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
  視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。 本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。 DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
  論文  参考訳（メタデータ） (2022-06-14T13:22:19Z)
• SELF-CARE: Selective Fusion with Context-Aware Low-Power Edge Computing for Stress Detection [9.21629452868642]
  本研究では,コンテキスト認識型選択的センサフュージョンを用いたストレス検出のための完全手首ベース手法を提案する。 本手法は,動作を用いてシステムのコンテキストを判断し,それに応じて融合センサの調整を学習する。 従来のセンサフュージョンに比べて2.2x(3-クラス)と2.7x(2-クラス)のエネルギー効率を実現している。
  論文  参考訳（メタデータ） (2022-05-08T23:52:07Z)
• An adaptable cognitive microcontroller node for fitness activity recognition [0.0]
  ウォブルボード(英: Wobble board)は、足首の怪我を避けるために、または怪我後のリハビリの一環として、感覚運動の訓練に使用できる安価な装置である。 本研究では,ウルブルボードに適用可能な携帯型,電池駆動型マイクロコントローラデバイスを提案する。 電力消費を減らすために,ハードウェアとソフトウェアの構成を動的に管理し,実行時に必要な動作モードに適応する適応層を追加する。
  論文  参考訳（メタデータ） (2022-01-13T18:06:38Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
  センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。 動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。 評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-04T23:06:56Z)
• Neural Network Virtual Sensors for Fuel Injection Quantities with Provable Performance Specifications [71.1911136637719]
  証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。 本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
  論文  参考訳（メタデータ） (2020-06-30T23:33:17Z)

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。