論文の概要: Human Gait State Prediction Using Cellular Automata and Classification Using ELM

• arxiv url: http://arxiv.org/abs/2105.03799v1
• Date: Sat, 8 May 2021 23:47:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 14:42:08.548997
• Title: Human Gait State Prediction Using Cellular Automata and Classification Using ELM
• Title（参考訳）: セルオートマトンを用いた歩行状態予測とelmを用いた分類
• Authors: Vijay Bhaskar Semwal, Neha Gaud and G.C.Nandi
• Abstract要約: 本研究は,二足歩行の複雑さを理解するためにセルオートマトンを用いた最初の試みである。 我々は,前2つの隣接する状態に基づいて,二足歩行の次の歩行状態を予測できるセル・オートマトン・ルールを設計した。 モデルを検証するために,EMMを用いて歩行データを分類し,60%の精度を達成した。
• 参考スコア（独自算出の注目度）: 0.4751886527142778
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this research article, we have reported periodic cellular automata rules for different gait state prediction and classification of the gait data using extreme machine Leaning (ELM). This research is the first attempt to use cellular automaton to understand the complexity of bipedal walk. Due to nonlinearity, varying configurations throughout the gait cycle and the passive joint located at the unilateral foot-ground contact in bipedal walk resulting variation of dynamic descriptions and control laws from phase to phase for human gait is making difficult to predict the bipedal walk states. We have designed the cellular automata rules which will predict the next gait state of bipedal steps based on the previous two neighbour states. We have designed cellular automata rules for normal walk. The state prediction will help to correctly design the bipedal walk. The normal walk depends on next two states and has total 8 states. We have considered the current and previous states to predict next state. So we have formulated 16 rules using cellular automata, 8 rules for each leg. The priority order maintained using the fact that if right leg in swing phase then left leg will be in stance phase. To validate the model we have classified the gait Data using ELM [1] and achieved accuracy 60%. We have explored the trajectories and compares with another gait trajectories. Finally we have presented the error analysis for different joints.
• Abstract（参考訳）: 本稿では,エクストリームマシンリーン(ELM)を用いた歩行状態予測と歩行データの分類のための周期的セルオートマトン規則を報告した。 本研究は,二足歩行の複雑さを理解するためにセルオートマトンを用いた最初の試みである。 非線形性, 歩行周期の変動, 二足歩行における片足足接部における受動関節の形状の変化により, ヒト歩行における動的記述や制御則の変化は二足歩行状態の予測を困難にしている。 我々は,前2つの隣接する状態に基づいて,二足歩行の次の歩行状態を予測できるセルオートマトンルールを設計した。 正常歩行のためのセルラーオートマトンルールを設計した。 状態予測は二足歩行を正しく設計するのに役立ちます。 通常の歩行は次の2つの状態に依存し、8つの状態を持つ。 我々は、現在の状態と前の状態が次の状態を予測することを検討した。 セルオートマトンを使って16のルールを定式化し、各脚に8のルールを設定しました。 右脚がスイングフェーズにある場合、左脚がスタンディングフェーズになるという事実を用いて、優先順位が維持される。 モデルを検証するため,EMM[1]を用いて歩行データを分類し,精度60%を達成した。 我々は、軌道を探索し、他の歩行軌跡と比較した。 最後に, 異なる関節に対する誤差解析を行った。

関連論文リスト

• AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
  本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。 同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。 そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
  論文  参考訳（メタデータ） (2024-03-20T06:22:37Z)
• Humanoid Locomotion as Next Token Prediction [84.21335675130021]
  我々のモデルは感覚運動軌道の自己回帰予測によって訓練された因果変換器である。 われわれのモデルでは、フルサイズのヒューマノイドがサンフランシスコでゼロショットで歩けることが示されている。 われわれのモデルは、わずか27時間の歩行データで訓練された場合でも現実世界に移行でき、後方歩行のような訓練中に見えないコマンドを一般化することができる。
  論文  参考訳（メタデータ） (2024-02-29T18:57:37Z)
• Game of Intelligent Life [0.0]
  この分野の最近の進歩は、CAと畳み込みニューラルネットワークを組み合わせて自己再生画像を実現している。 このプロジェクトの目的は、ニューラルセルオートマトンの概念を使って予測機械を成長させることである。
  論文  参考訳（メタデータ） (2023-01-02T23:06:26Z)
• Simulating scalar field theories on quantum computers with limited resources [62.997667081978825]
  量子ビットコンピュータ上での格子スカラー場理論を実装するための量子アルゴリズムを提案する。 このアルゴリズムは、通常の対称性相と壊れた対称性相の両方において、幅広い入力パラメータの効率的な$phi4$状態の準備を可能にする。
  論文  参考訳（メタデータ） (2022-10-14T17:28:15Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• Determining ground-state phase diagrams on quantum computers via a generalized application of adiabatic state preparation [61.49303789929307]
  我々は、状態準備のために局所的な断熱ランプを使用して、時間的進化を通じて量子コンピュータ上の基底状態位相図を直接計算することができる。 我々は,IBMの量子マシンを用いて,二つのサイトシステムと3つのサイトシステムの両方の正確な位相図を計算できる。
  論文  参考訳（メタデータ） (2021-12-08T23:59:33Z)
• Learning Quadruped Locomotion Policies using Logical Rules [2.008081703108095]
  四足歩行ロボットの歩行仕様と効率的なポリシー学習を実現することを目的としている。 我々の手法はRM-based Locomotion Learning (RMLL)と呼ばれ、実行時の歩行周波数の調整をサポートする。 実際の四足歩行ロボットを用いて,これらの学習方針を実証する。
  論文  参考訳（メタデータ） (2021-07-23T00:37:32Z)
• Learning Sparse Interaction Graphs of Partially Observed Pedestrians for Trajectory Prediction [0.3025231207150811]
  マルチペデストリアン軌道予測は、非構造環境における群衆と相互作用する自律システムの必然的な安全要素である。 Gumbel Social Transformerを提案し、Edge Gumbel Selectorは、各ステップで部分的に観察された歩行者のスパースグラフをサンプリングする。 提案手法は,仮定によって生じる潜在的な問題を克服し,ベンチマーク評価における関連研究よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-07-15T00:45:11Z)
• Reconstructing cellular automata rules from observations at nonconsecutive times [7.056222499095849]
  最近の実験では、コンウェイのゲーム・オブ・ライフ・オートマトン(Game of Life Automaticon)の動作を予測するために、ディープニューラルネットワークをトレーニングできることが示されている。 本稿では,制約予測に基づくネットワークライクな手法について述べる。 本手法は,隣接するセルから入力を受信する1次元バイナリセルオートマトン上で実証する。
  論文  参考訳（メタデータ） (2020-12-03T18:55:40Z)
• Motion Prediction Using Temporal Inception Module [96.76721173517895]
  人間の動作を符号化するTIM(Temporal Inception Module)を提案する。 本フレームワークは,異なる入力長に対して異なるカーネルサイズを用いて,畳み込み層を用いて入力埋め込みを生成する。 標準的な動き予測ベンチマークデータセットであるHuman3.6MとCMUのモーションキャプチャデータセットの実験結果から,我々の手法は一貫して技術手法の状態を上回ります。
  論文  参考訳（メタデータ） (2020-10-06T20:26:01Z)

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。