Fugu-MT 論文翻訳(概要): Deep Multitask Learning for Pervasive BMI Estimation and Identity Recognition in Smart Beds

論文の概要: Deep Multitask Learning for Pervasive BMI Estimation and Identity Recognition in Smart Beds

arxiv url: http://arxiv.org/abs/2006.10453v1
Date: Thu, 18 Jun 2020 11:59:04 GMT
ステータス: 処理完了
システム内更新日: 2022-11-19 14:26:31.050703
Title: Deep Multitask Learning for Pervasive BMI Estimation and Identity Recognition in Smart Beds
Title（参考訳）: スマートベッドにおける広帯域BMI推定と識別のための深層マルチタスク学習
Authors: Vandad Davoodnia, Monet Slinowsky, Ali Etemad
Abstract要約: スマートベッドを用いたBMIとユーザ識別の同時推定とモニタリングについて検討した。マットレス上に集積された繊維系センサアレイから収集した圧力データを用いて,被験者のBMI値を推定する。我々は、2つの異なる公開データセット上でのBMI推定と主観的同定にディープニューラルネットワークを用いる。
参考スコア（独自算出の注目度）: 15.790464310310082
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Smart devices in the Internet of Things (IoT) paradigm provide a variety of unobtrusive and pervasive means for continuous monitoring of bio-metrics and health information. Furthermore, automated personalization and authentication through such smart systems can enable better user experience and security. In this paper, simultaneous estimation and monitoring of body mass index (BMI) and user identity recognition through a unified machine learning framework using smart beds is explored. To this end, we utilize pressure data collected from textile-based sensor arrays integrated onto a mattress to estimate the BMI values of subjects and classify their identities in different positions by using a deep multitask neural network. First, we filter and extract 14 features from the data and subsequently employ deep neural networks for BMI estimation and subject identification on two different public datasets. Finally, we demonstrate that our proposed solution outperforms prior works and several machine learning benchmarks by a considerable margin, while also estimating users' BMI in a 10-fold cross-validation scheme.
Abstract（参考訳）: モノのインターネット(iot)パラダイムにおけるスマートデバイスは、バイオメトリックスと健康情報の継続的な監視のための、さまざまな控えめで広汎な手段を提供する。さらに、このようなスマートシステムによる自動パーソナライズと認証は、より良いユーザエクスペリエンスとセキュリティを可能にする。本稿では,スマートベッドを用いた統一機械学習フレームワークによる身体質量指数(bmi)とユーザアイデンティティの同時推定とモニタリングについて検討する。そこで我々は,マットレス上に集積された繊維系センサアレイから収集した圧力データを用いて,被験者のBMI値を推定し,深層マルチタスクニューラルネットワークを用いて異なる位置で識別する。まず、データから14の特徴を抽出し、その後、BMI推定と2つの異なる公開データセットの主観的識別にディープニューラルネットワークを用いる。最後に,提案手法は,ユーザのBMIを10倍のクロスバリデーションスキームで推定しながら,事前の作業と機械学習ベンチマークをかなりのマージンで上回ることを示す。

関連論文リスト

Oriented Tiny Object Detection: A Dataset, Benchmark, and Dynamic Unbiased Learning [51.170479006249195]
本研究では,新しいデータセット,ベンチマーク,動的粗大な学習手法を提案する。提案するデータセットであるAI-TOD-Rは、すべてのオブジェクト指向オブジェクト検出データセットの中で最小のオブジェクトサイズを特徴としている。完全教師付きおよびラベル効率の両アプローチを含む,幅広い検出パラダイムにまたがるベンチマークを提案する。
論文参考訳（メタデータ） (2024-12-16T09:14:32Z)
Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
論文参考訳（メタデータ） (2023-03-24T05:28:35Z)
Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文参考訳（メタデータ） (2022-12-20T12:56:28Z)
Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文参考訳（メタデータ） (2022-03-14T17:05:59Z)
Hold On and Swipe: A Touch-Movement Based Continuous Authentication Schema based on Machine Learning [0.0]
本研究は,マルチモーダルな生体認証に基づくユーザ認証方式の性能を評価することで,この革新的な研究に貢献することを目的とする。本研究は、ハンドムーブメントオリエンテーションとGraspデータセットとBioIdentデータセットの2つの一般的なデータセットを融合したものである。本研究では,Random Forest Support Vector MachineとK-Nearest Neighborの3つの機械学習アルゴリズムを用いて,モデルの性能を最大82%の精度で評価する。
論文参考訳（メタデータ） (2022-01-21T06:51:46Z)
Benchmarking Quality-Dependent and Cost-Sensitive Score-Level Multimodal Biometric Fusion Algorithms [58.156733807470395]
本稿では,BioSecure DS2 (Access Control) 評価キャンペーンの枠組み内で実施したベンチマーク研究について報告する。キャンペーンは、約500人の中規模施設における物理的アクセス制御の適用を目標とした。我々の知る限りでは、これは品質ベースのマルチモーダル融合アルゴリズムをベンチマークする最初の試みである。
論文参考訳（メタデータ） (2021-11-17T13:39:48Z)
MIN2Net: End-to-End Multi-Task Learning for Subject-Independent Motor Imagery EEG Classification [10.773708402778025]
脳波のリズムは被験者に特有のものであり、時間とともに様々な変化が起こる。本稿では,この課題に対処するための新しいエンドツーエンドマルチタスク学習であるMIN2Netを提案する。深層学習をマルチタスクオートエンコーダに統合し,脳波からコンパクトかつ識別可能な潜在表現を学習する。
論文参考訳（メタデータ） (2021-02-07T15:20:23Z)
Unsupervised Multi-Modal Representation Learning for Affective Computing with Multi-Corpus Wearable Data [16.457778420360537]
我々は、人間の監督への依存を減らすために、教師なしの枠組みを提案する。提案フレームワークは2つの畳み込み自己エンコーダを用いて、ウェアラブル心電図(ECG)と電磁気放射能(EDA)信号から潜時表現を学習する。提案手法は, 同一のデータセット上での覚醒検出を行ない, 現状の成果よりも優れていた。
論文参考訳（メタデータ） (2020-08-24T22:01:55Z)
Identity-Aware Attribute Recognition via Real-Time Distributed Inference in Mobile Edge Clouds [53.07042574352251]
我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
論文参考訳（メタデータ） (2020-08-12T12:03:27Z)
A Comparative Study of AI-based Intrusion Detection Techniques in Critical Infrastructures [4.8041243535151645]
本稿では,重要なアプリケーションを追跡する無線接続型センサに対するAI駆動の侵入検知システムについて比較検討する。具体的には、収集したトラフィックの侵入行動を認識するために、機械学習、深層学習、強化学習ソリューションの使用について、詳細な分析を行う。その結果、Adaptively SupervisedおよびClustered Hybrid IDS、Boltzmann MachineベースのClustered IDS、Q-learningベースのIDSの3つの異なるIDSのパフォーマンス指標が示された。
論文参考訳（メタデータ） (2020-07-24T20:55:57Z)
A Deep Learning Method for Complex Human Activity Recognition Using Virtual Wearable Sensors [22.923108537119685]
センサに基づくヒューマンアクティビティ認識(HAR)は、現在、複数のアプリケーション領域で研究ホットスポットとなっている。本研究では,実シーンにおける複雑なHARの深層学習に基づく新しい手法を提案する。提案手法は驚くほど数イテレーションで収束し、実際のIMUデータセット上で91.15%の精度が得られる。
論文参考訳（メタデータ） (2020-03-04T03:31:23Z)

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。