論文の概要: Convolutional Neural Network for Elderly Wandering Prediction in Indoor
Scenarios
- arxiv url: http://arxiv.org/abs/2012.12987v1
- Date: Wed, 23 Dec 2020 21:27:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 18:06:27.072671
- Title: Convolutional Neural Network for Elderly Wandering Prediction in Indoor
Scenarios
- Title(参考訳): コンボリューションニューラルネットワークによる室内シナリオにおける高齢者の放浪予測
- Authors: Rafael F. C. Oliveira, Fabio Barreto, Raphael Abreu
- Abstract要約: 本研究は,非侵入型屋内センサから収集したパスデータからアルツハイマー病患者の迷走行動を検出する方法を提案する。
十分なデータがないために、独自のアプリケーションを使用して220のパスのデータセットを手動で生成しました。
文学におけるわくわくするパターンは、通常、視覚的特徴(ループやランダムな動きなど)によって識別される
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This work proposes a way to detect the wandering activity of Alzheimer's
patients from path data collected from non-intrusive indoor sensors around the
house. Due to the lack of adequate data, we've manually generated a dataset of
220 paths using our own developed application. Wandering patterns in the
literature are normally identified by visual features (such as loops or random
movement), thus our dataset was transformed into images and augmented.
Convolutional layers were used on the neural network model since they tend to
have good results finding patterns, especially on images. The Convolutional
Neural Network model was trained with the generated data and achieved an f1
score (relation between precision and recall) of 75%, recall of 60%, and
precision of 100% on our 10 sample validation slice
- Abstract(参考訳): 本研究は,非侵入型屋内センサから収集したパスデータからアルツハイマー病患者の迷走行動を検出する方法を提案する。
十分なデータがないため、当社が開発したアプリケーションを使用して、220パスのデータセットを手動で生成しました。
文学の迷走パターンは通常、視覚的特徴(ループやランダムな動きなど)によって識別されるため、データセットは画像に変換され、拡張されます。
畳み込み層は、特に画像上のパターンを見つける良い結果をもたらす傾向があるため、ニューラルネットワークモデルで使用された。
The Convolutional Neural Network model were training with the generated data and achieve a f1 score (relation between precision and recall) of 75%, recall of 60%, and precision of 100% on our 10 sample validation slice。
関連論文リスト
- Deep Learning for real-time neural decoding of grasp [0.0]
本稿では,ニューラルネットワークの復号化のためのDeep Learningに基づく手法を提案する。
提案手法の主な目的は、これまでの神経科学知識に頼ることなく、最先端の復号精度を改善することである。
論文 参考訳(メタデータ) (2023-11-02T08:26:29Z) - Neural Priming for Sample-Efficient Adaptation [92.14357804106787]
ニューラルプライミング(Neural Priming)は、大規模な事前学習されたモデルを分散シフトや下流タスクに適応させる手法である。
ニューラルプライミングは、LAION-2Bほどの大きさの事前訓練であっても、テスト時に行うことができる。
論文 参考訳(メタデータ) (2023-06-16T21:53:16Z) - Convolutional Neural Networks for the classification of glitches in
gravitational-wave data streams [52.77024349608834]
我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。
どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。
また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
論文 参考訳(メタデータ) (2023-03-24T11:12:37Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Supervised Training of Siamese Spiking Neural Networks with Earth's
Mover Distance [4.047840018793636]
本研究は,高可逆性シアムニューラルネットモデルをイベントデータ領域に適応させる。
我々はスパイク・トレインとスパイク・ニューラル・ネットワーク(SNN)の間の地球のモーバー距離を最適化するための教師付きトレーニング・フレームワークを導入する。
論文 参考訳(メタデータ) (2022-02-20T00:27:57Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳(メタデータ) (2022-02-01T17:11:13Z) - Self-supervised Audiovisual Representation Learning for Remote Sensing
Data [70.64030011999981]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。
ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。
提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-08-02T07:50:50Z) - Application of Facial Recognition using Convolutional Neural Networks
for Entry Access Control [0.0]
本論文は,画像中の人物を入力として捉え,その人物を著者の1人か否かを分類する,教師付き分類問題の解決に焦点をあてる。
提案手法は,(1)WoodNetと呼ばれるニューラルネットワークをスクラッチから構築し,トレーニングすること,(2)ImageNetデータベース上に事前トレーニングされたネットワークを利用することで,転送学習を活用すること,の2つである。
結果は、データセット内の個人を高い精度で分類し、保持されたテストデータに対して99%以上の精度で達成する2つのモデルである。
論文 参考訳(メタデータ) (2020-11-23T07:55:24Z) - Complete parameter inference for GW150914 using deep learning [0.0]
LIGOとVirgoの重力波観測所は過去5年間に多くのエキサイティングな出来事を観測してきた。
検出速度は検出器感度とともに増加するため、データ解析において計算上の課題が増大する。
本研究では,重力波に対する高速確率自由ベイズ推定にディープラーニング手法を適用した。
論文 参考訳(メタデータ) (2020-08-07T18:00:02Z) - Automatic Recall Machines: Internal Replay, Continual Learning and the
Brain [104.38824285741248]
ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。
本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。
代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
論文 参考訳(メタデータ) (2020-06-22T15:07:06Z)
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。