論文の概要: Fully Convolutional Network Bootstrapped by Word Encoding and Embedding
for Activity Recognition in Smart Homes
- arxiv url: http://arxiv.org/abs/2012.02300v1
- Date: Tue, 1 Dec 2020 11:47:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-30 19:39:08.658424
- Title: Fully Convolutional Network Bootstrapped by Word Encoding and Embedding
for Activity Recognition in Smart Homes
- Title（参考訳）: スマートホームにおける行動認識のための単語エンコーディングと埋め込みによる完全畳み込みネットワーク
- Authors: Damien Bouchabou (IMT Atlantique - INFO), Sao Nguyen, Christophe Lohr,
Benoit Leduc, Ioannis Kanellos
- Abstract要約: 本稿では,NLP(Natural Language Processing)とTSC(Time Series Classification)を融合したスマートホームにおける活動認識のための特徴抽出手法を提案する。
CASAS(Center for Advanced Studies in Adaptive Systems)から発行された2つのデータセットに対する本手法の性能評価を行った。
- 参考スコア（独自算出の注目度）: 0.5249805590164902
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Activity recognition in smart homes is essential when we wish to propose
automatic services for the inhabitants. However, it poses challenges in terms
of variability of the environment, sensorimotor system, but also user habits.
Therefore, endto-end systems fail at automatically extracting key features,
without extensive pre-processing. We propose to tackle feature extraction for
activity recognition in smart homes by merging methods from the Natural
Language Processing (NLP) and the Time Series Classification (TSC) domains. We
evaluate the performance of our method on two datasets issued from the Center
for Advanced Studies in Adaptive Systems (CASAS). Moreover, we analyze the
contributions of the use of NLP encoding Bag-Of-Word with Embedding as well as
the ability of the FCN algorithm to automatically extract features and
classify. The method we propose shows good performance in offline activity
classification. Our analysis also shows that FCN is a suitable algorithm for
smart home activity recognition and hightlights the advantages of automatic
feature extraction.
- Abstract（参考訳）: 住民に自動サービスを提案するためには,スマートホームにおける活動認識が不可欠である。
しかし、環境の変動性、センサー・モベレーター・システム、そしてユーザーの習慣に関しても問題となる。
したがって、エンド・ツー・エンドのシステムは、広範囲の事前処理なしにキー機能を自動的に抽出できない。
本稿では,NLP(Natural Language Processing)とTSC(Time Series Classification)を融合したスマートホームにおける活動認識のための特徴抽出手法を提案する。
本稿では,CASAS(Center for Advanced Studies in Adaptive Systems)から発行された2つのデータセットに対して,本手法の性能を評価する。
さらに,Bag-Of-Word と Embedding を用いた NLP 符号化の貢献と,FCN アルゴリズムによる特徴の自動抽出と分類機能の解析を行った。
本手法は,オフライン活動分類における優れた性能を示す。
また, FCNはスマートホーム活動認識に適したアルゴリズムであり, 自動特徴抽出の利点を高く評価する。
関連論文リスト
- EMG-Based Hand Gesture Recognition through Diverse Domain Feature Enhancement and Machine Learning-Based Approach [1.8796659304823702]
表面筋電図(EMG)は手の動き認識と人間とコンピュータの相互作用において重要なツールである。
本研究では,EMG信号を用いた手動作の分類手法を提案する。
論文 参考訳（メタデータ） (2024-08-25T04:55:42Z) - Unveiling the Power of Sparse Neural Networks for Feature Selection [60.50319755984697]
スパースニューラルネットワーク(SNN)は、効率的な特徴選択のための強力なツールとして登場した。
動的スパーストレーニング(DST)アルゴリズムで訓練されたSNNは、平均して50%以上のメモリと55%以上のFLOPを削減できることを示す。
以上の結果から,DSTアルゴリズムで訓練したSNNによる特徴選択は,平均して50ドル以上のメモリと55%のFLOPを削減できることがわかった。
論文 参考訳（メタデータ） (2024-08-08T16:48:33Z) - Iterative Feature Boosting for Explainable Speech Emotion Recognition [17.568724398229232]
本稿では,効率的な特徴工学手法に基づく新しい教師付きSER手法を提案する。
特徴の関連性を評価し,特徴セットを洗練させるために,結果の説明可能性に特に注意を払っている。
提案手法は,TESSデータセット上での感情認識において,ヒトレベルのパフォーマンス(HLP)および最先端の機械学習手法より優れる。
論文 参考訳（メタデータ） (2024-05-30T15:44:27Z) - Pointer Networks with Q-Learning for Combinatorial Optimization [55.2480439325792]
我々は、モデルフリーQ値ポリシー近似をPointer Networks(Ptr-Nets)と統合したハイブリッドニューラルネットワークであるPointer Q-Network(PQN)を紹介する。
実験により,本手法の有効性を実証し,不安定な環境でモデルをテストする。
論文 参考訳（メタデータ） (2023-11-05T12:03:58Z) - Open-Vocabulary Animal Keypoint Detection with Semantic-feature Matching [74.75284453828017]
Open-Vocabulary Keypoint Detection (OVKD)タスクは、任意の種類のキーポイントを特定するためにテキストプロンプトを使用するように設計されている。
セマンティック・フェールマッチング(KDSM)を用いた開語彙キーポイント検出(Open-Vocabulary Keypoint Detection)という新しいフレームワークを開発した。
このフレームワークは視覚と言語モデルを組み合わせて、言語機能とローカルキーポイント視覚機能との相互作用を作成する。
論文 参考訳（メタデータ） (2023-10-08T07:42:41Z) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳（メタデータ） (2022-10-02T05:03:38Z) - MURAL: Meta-Learning Uncertainty-Aware Rewards for Outcome-Driven
Reinforcement Learning [65.52675802289775]
本研究では,不確かさを意識した分類器が,強化学習の難しさを解消できることを示す。
正規化最大度(NML)分布の計算法を提案する。
得られたアルゴリズムは、カウントベースの探索法と、報酬関数を学習するための先行アルゴリズムの両方に多くの興味深い関係を持つことを示す。
論文 参考訳（メタデータ） (2021-07-15T08:19:57Z) - Feedback-Based Dynamic Feature Selection for Constrained Continuous Data
Acquisition [6.947442090579469]
本稿では,動的システムからデータ収集のための特徴セットをステップワイズで効率的に決定する,フィードバックに基づく動的特徴選択アルゴリズムを提案する。
評価の結果,提案手法は制約付きベースライン法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-11-10T14:19:01Z) - Automated Human Activity Recognition by Colliding Bodies
Optimization-based Optimal Feature Selection with Recurrent Neural Network [0.0]
HAR(Human Activity Recognition)は、センサの読み取りから広範に計算を行う上で、効率的なモデルであると考えられている。
本稿では,UC Irvine Machine Learning Repository(UCI)で公開されているスマートセンサから収集したデータを用いて,ディープラーニングを用いたHARシステムの実装を誘致する。
論文 参考訳（メタデータ） (2020-10-07T10:58:46Z) - SEKD: Self-Evolving Keypoint Detection and Description [42.114065439674036]
ラベルのない自然画像から高度な局所特徴モデルを学ぶための自己教師型フレームワークを提案する。
提案手法は, ホモグラフィー推定, 相対的なポーズ推定, および動きからの構造的タスクについてベンチマークする。
トレーニングされたモデルとともに、コードを公開します。
論文 参考訳（メタデータ） (2020-06-09T06:56:50Z) - Optimistic Exploration even with a Pessimistic Initialisation [57.41327865257504]
最適初期化は強化学習(RL)における効率的な探索のための効果的な戦略である
特に、正の報酬しか持たないシナリオでは、Q-値はその最低値で初期化される。
本稿では、ニューラルネットワークから楽観性の源を分離する、悲観的に初期化されたQ値に対する単純なカウントベースの拡張を提案する。
論文 参考訳（メタデータ） (2020-02-26T17:15:53Z)
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。