論文の概要: Deep Learning Based Model Identification System Exploits the Modular
Structure of a Bio-Inspired Posture Control Model for Humans and Humanoids
- arxiv url: http://arxiv.org/abs/2102.02536v1
- Date: Thu, 4 Feb 2021 10:54:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-05 22:11:58.371399
- Title: Deep Learning Based Model Identification System Exploits the Modular
Structure of a Bio-Inspired Posture Control Model for Humans and Humanoids
- Title(参考訳): 深層学習に基づくモデル同定システムによる人間とヒューマノイドの生体刺激による姿勢制御モデルのモジュール構造解析
- Authors: Vittorio Lippi
- Abstract要約: 本研究では,DECパラメトリックモデルを用いた姿勢制御のための畳み込みニューラルネットワーク(CNN)に基づくシステム同定手法を提案する。
提案した制御モデルのモジュラ構造は、異なる自由度を制御するモジュールのパラメータを特定するために同じニューラルネットワークを使用するという意味で、モジュール識別手順の設計にインスピレーションを与えた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work presents a system identification procedure based on Convolutional
Neural Networks (CNN) for human posture control using the DEC (Disturbance
Estimation and Compensation) parametric model. The modular structure of the
proposed control model inspired the design of a modular identification
procedure, in the sense that the same neural network is used to identify the
parameters of the modules controlling different degrees of freedom. In this way
the presented examples of body sway induced by external stimuli provide several
training samples at once
- Abstract(参考訳): 本研究では、DEC(Disturbance Estimation and Compensation)パラメトリックモデルを用いた人間の姿勢制御のためのConvolutional Neural Networks(CNN)に基づくシステム識別手順を提案する。
提案した制御モデルのモジュラ構造は、異なる自由度を制御するモジュールのパラメータを特定するために同じニューラルネットワークを使用するという意味で、モジュール識別手順の設計にインスピレーションを与えた。
このように、外部刺激によって誘導される身体振れの例は、一度にいくつかのトレーニングサンプルを提供します。
関連論文リスト
- Modular Deep Learning [93.79001031755476]
トランスファーラーニングは近年、機械学習の主要なパラダイムとなっている。
負の干渉を伴わずに複数のタスクを専門とするモデルを開発する方法はまだ不明である。
これらの課題に対する有望な解決策として、モジュール型ディープラーニングが登場した。
論文 参考訳(メタデータ) (2023-02-22T18:11:25Z) - Fitting a Directional Microstructure Model to Diffusion-Relaxation MRI
Data with Self-Supervised Machine Learning [2.8167227950959206]
教師付き学習の魅力的な代替手段として、自己教師型機械学習が登場している。
本稿では,指向性マイクロ構造モデルに適用可能な自己教師型機械学習モデルを実証する。
提案手法は, パラメータ推定と計算時間において, 通常の非線形最小二乗整合と比較して明らかに改善されている。
論文 参考訳(メタデータ) (2022-10-05T15:51:39Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳(メタデータ) (2022-09-26T17:59:58Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳(メタデータ) (2022-08-30T20:16:17Z) - On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。
このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。
我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
論文 参考訳(メタデータ) (2022-06-09T17:12:32Z) - A Physics-Guided Neural Operator Learning Approach to Model Biological
Tissues from Digital Image Correlation Measurements [3.65211252467094]
本稿では, 生体組織モデリングにおけるデータ駆動型相関について述べる。これは, 未知の負荷シナリオ下でのデジタル画像相関(DIC)測定に基づいて変位場を予測することを目的としている。
ブタ三尖弁リーフレット上の多軸延伸プロトコルのDIC変位追跡測定から材料データベースを構築した。
材料応答は、負荷から結果の変位場への解演算子としてモデル化され、材料特性はデータから暗黙的に学習され、自然にネットワークパラメータに埋め込まれる。
論文 参考訳(メタデータ) (2022-04-01T04:56:41Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳(メタデータ) (2022-02-25T20:00:56Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳(メタデータ) (2021-06-25T20:09:23Z) - The Importance of Models in Data Analysis with Small Human Movement
Datasets -- Inspirations from Neurorobotics Applied to Posture Control of
Humanoids and Humans [0.0]
本研究では,DECパラメトリックモデルを用いた姿勢制御のための畳み込みニューラルネットワーク(CNN)に基づくシステム同定手法を提案する。
提案した制御モデルのモジュラ構造は、異なる自由度を制御するモジュールのパラメータを特定するために同じニューラルネットワークを使用するという意味で、モジュール識別手順の設計にインスピレーションを与えた。
論文 参考訳(メタデータ) (2021-02-04T11:02:11Z) - Constrained Block Nonlinear Neural Dynamical Models [1.3163098563588727]
既知の優先度によって調整されたニューラルネットワークモジュールは、非線形ダイナミクスを持つシステムを表現するために効果的に訓練および結合することができる。
提案手法は,入力,状態,出力のダイナミクスを表現するニューラルネットワークブロックで構成され,ネットワーク重みとシステム変数に制約を課す。
3つの非線形システムのシステム識別タスクにおける提案アーキテクチャと学習手法の性能評価を行った。
論文 参考訳(メタデータ) (2021-01-06T04:27:54Z) - Exploring Distributed Control with the NK Model [0.0]
NKモデルは自然進化と複雑なシステムの側面を探索するために広く用いられている。
本稿では、複雑なシステムにおける分散制御を探索するためのNKモデルの修正形式を紹介する。
論文 参考訳(メタデータ) (2020-04-20T15:01:24Z)
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。