論文の概要: DigitalExposome: Quantifying the Urban Environment Influence on
Wellbeing based on Real-Time Multi-Sensor Fusion and Deep Belief Network
- arxiv url: http://arxiv.org/abs/2101.12615v1
- Date: Fri, 29 Jan 2021 14:55:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-06 11:32:06.835839
- Title: DigitalExposome: Quantifying the Urban Environment Influence on
Wellbeing based on Real-Time Multi-Sensor Fusion and Deep Belief Network
- Title（参考訳）: digitalexposome: real-time multi-sensor fusion と deep belief network による都市環境の定量化
- Authors: Thomas Johnson, Eiman Kanjo, Kieran Woodward
- Abstract要約: 我々は,「DigitalExposome」という用語を,環境,個人特性,行動,幸福感の関係を理解するための概念的枠組みとして定義する。
都市環境要因を含むマルチセンサデータを(初めて)同時に収集しました。
- 参考スコア（独自算出の注目度）: 4.340040784481499
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In this paper, we define the term 'DigitalExposome' as a conceptual framework
that takes us closer towards understanding the relationship between
environment, personal characteristics, behaviour and wellbeing using multimodel
mobile sensing technology. Specifically, we simultaneously collected (for the
first time) multi-sensor data including urban environmental factors (e.g. air
pollution including: PM1, PM2.5, PM10, Oxidised, Reduced, NH3 and Noise, People
Count in the vicinity), body reaction (physiological reactions including: EDA,
HR, HRV, Body Temperature, BVP and movement) and individuals' perceived
responses (e.g. self-reported valence) in urban settings. Our users followed a
pre-specified urban path and collected the data using a comprehensive sensing
edge devices. The data is instantly fused, time-stamped and geo-tagged at the
point of collection. A range of multivariate statistical analysis techniques
have been applied including Principle Component Analysis, Regression and
spatial visualisations to unravel the relationship between the variables.
Results showed that EDA and Heart Rate Variability HRV are noticeably impacted
by the level of Particulate Matters (PM) in the environment well with the
environmental variables. Furthermore, we adopted Deep Belief Network to extract
features from the multimodel data feed which outperformed Convolutional Neural
Network and achieved up to (a=80.8%, {\sigma}=0.001) accuracy.
- Abstract（参考訳）: 本稿では,「DigitalExposome」という用語を,マルチモデルモバイルセンシング技術を用いた環境,個人特性,行動,幸福感の関連性を理解するための概念的枠組みとして定義する。
具体的には, 都市環境要因を含むマルチセンサデータ(例えば, 初めて)を同時収集した。
PM1, PM2.5, PM10, Oxidised, Reduced, NH3 and Noise, People Count in the neighborhood, body reaction (EDA, HR, HRV, Body temperature, BVP and Movement)、および個人の反応(例)を含む大気汚染。
都市環境における自己申告値)
私たちのユーザは、事前に特定された都市パスに従って、包括的なセンシングエッジデバイスを使用してデータを収集しました。
データは即座に融合され、タイムスタンプされ、コレクションの時点でジオタグ付けされる。
変数間の関係を明らかにするために, 原理成分分析, 回帰, 空間可視化など多変量統計解析手法が適用されている。
その結果, EDAと心拍変動HRVは環境変数とともに環境中の粒子状物質(PM)のレベルに著しく影響していることがわかった。
さらに,Deep Belief Network を用いて,畳み込みニューラルネットワークの性能を最大 (a=80.8%, {\sigma}=0.001) まで向上させたマルチモデルデータフィードから特徴を抽出した。
関連論文リスト
- Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。
特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。
本稿では,これらのベクトル場をワッサーシュタイン多様体上で積分するメタフローマッチング(Meta Flow Matching, MFM)を提案する。
論文 参考訳（メタデータ） (2024-08-26T20:05:31Z) - Temporal and Heterogeneous Graph Neural Network for Remaining Useful Life Prediction [27.521188262343596]
我々はTHGNN(Temporal and Heterogeneous Graph Neural Networks)という新しいモデルを導入する。
THGNNは、隣接するノードからの履歴データを集約し、センサーデータのストリーム内の時間的ダイナミクスと空間的相関を正確にキャプチャする。
包括的実験により,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2024-05-07T14:08:57Z) - LITE: Modeling Environmental Ecosystems with Multimodal Large Language Models [25.047123247476016]
LITEは環境生態系モデリングのための大きな言語モデルである。
異なる環境変数を自然言語記述や線グラフ画像に変換することで統一する。
このステップでは、不完全な機能は、sparse Mixture-of-Expertsフレームワークによって説明される。
論文 参考訳（メタデータ） (2024-04-01T15:14:07Z) - Disentangling Imperfect: A Wavelet-Infused Multilevel Heterogeneous
Network for Human Activity Recognition in Flawed Wearable Sensor Data [30.213716132980874]
センサデータ解析のためのマルチレベルヘテロジニアスニューラルネットワーク MHNN を提案する。
センサデータからマルチレベル離散ウェーブレット分解法を用いてマルチレゾリューション特徴を抽出する。
提案したモデルに,マルチスケール特徴の学習を可能にする異種特徴抽出器を装備する。
論文 参考訳（メタデータ） (2024-01-26T06:08:49Z) - Full-Body Motion Reconstruction with Sparse Sensing from Graph
Perspective [22.761692765158646]
スパースセンサーデータから3Dフルボディのポーズを推定することは、拡張現実と仮想現実における現実的な人間の動きを再現するための重要な手法である。
人体を表すためにBPG(Body Pose Graph)を使用し、その課題をグラフ不足ノードの予測問題に変換する。
提案手法の有効性は,特に下肢動作において,他のベースライン法よりも高い精度で達成できることが証明されている。
論文 参考訳（メタデータ） (2024-01-22T09:29:42Z) - Assessing Neural Network Representations During Training Using
Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。
データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。
本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
論文 参考訳（メタデータ） (2023-12-04T01:32:42Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - Differentiable Invariant Causal Discovery [106.87950048845308]
観測データから因果構造を学ぶことは、機械学習の基本的な課題である。
本稿では,不特定変分因果解法(DICD)を提案する。
合成および実世界のデータセットに関する大規模な実験は、DICDがSHDの36%まで最先端の因果発見手法より優れていることを検証している。
論文 参考訳（メタデータ） (2022-05-31T09:29:07Z) - Environment and Person Independent Activity Recognition with a Commodity
IEEE 802.11ac Access Point [11.105005428148026]
市販のIEEE 802.11ac(WiFi)デバイスを用いたヒト活動認識(HAR)のための独自のアプローチを提案する。
そこで我々は,WiFiチャネルのチャネル周波数応答(CFR)から受信した位相を抽出し,クリーン化し,処理する手法を開発した。
提案されたharフレームワークは、4つの異なるアクティビティを実行する際に収集されたデータに基づいてトレーニングされ、見えない設定でテストされる。
最悪のシナリオでは、提案されたHAR技術は95%以上の平均精度に達し、抽出されたドップラー情報の有効性を検証します。
論文 参考訳（メタデータ） (2021-03-17T21:44:13Z) - Causal Discovery in Physical Systems from Videos [123.79211190669821]
因果発見は人間の認知の中心にある。
本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
論文 参考訳（メタデータ） (2020-07-01T17:29:57Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z)
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。