論文の概要: Exoskeleton-Based Multimodal Action and Movement Recognition:
Identifying and Developing the Optimal Boosted Learning Approach
- arxiv url: http://arxiv.org/abs/2106.10331v1
- Date: Fri, 18 Jun 2021 19:43:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-25 06:20:19.323041
- Title: Exoskeleton-Based Multimodal Action and Movement Recognition:
Identifying and Developing the Optimal Boosted Learning Approach
- Title(参考訳): exoskeleton-based multimodal action and movement recognition: identifying and development the optimal boosted learning approach
- Authors: Nirmalya Thakur and Chia Y. Han
- Abstract要約: 本稿では,エクソスケルトンに基づく行動認識と運動認識の分野での2つの科学的貢献について述べる。
幅広いアクションや動きを検知できる、新しい機械学習とパターン認識ベースのフレームワークを提供する。
- 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 paper makes two scientific contributions to the field of
exoskeleton-based action and movement recognition. First, it presents a novel
machine learning and pattern recognition-based framework that can detect a wide
range of actions and movements - walking, walking upstairs, walking downstairs,
sitting, standing, lying, stand to sit, sit to stand, sit to lie, lie to sit,
stand to lie, and lie to stand, with an overall accuracy of 82.63%. Second, it
presents a comprehensive comparative study of different learning approaches -
Random Forest, Artificial Neural Network, Decision Tree, Multiway Decision
Tree, Support Vector Machine, k-NN, Gradient Boosted Trees, Decision Stump,
Auto MLP, Linear Regression, Vector Linear Regression, Random Tree, Na\"ive
Bayes, Na\"ive Bayes (Kernel), Linear Discriminant Analysis, Quadratic
Discriminant Analysis, and Deep Learning applied to this framework. The
performance of each of these learning approaches was boosted by using the
AdaBoost algorithm, and the Cross Validation approach was used for training and
testing. The results show that in boosted form, the k- NN classifier
outperforms all the other boosted learning approaches and is, therefore, the
optimal learning method for this purpose. The results presented and discussed
uphold the importance of this work to contribute towards augmenting the
abilities of exoskeleton-based assisted and independent living of the elderly
in the future of Internet of Things-based living environments, such as Smart
Homes. As a specific use case, we also discuss how the findings of our work are
relevant for augmenting the capabilities of the Hybrid Assistive Limb
exoskeleton, a highly functional lower limb exoskeleton.
- Abstract(参考訳): 本稿では,外骨格系行動と運動認識の分野での2つの科学的貢献について述べる。
まず、新しい機械学習とパターン認識ベースのフレームワークを提示し、階段を上り、階段を上り、座った、座った、座った、座った、座った、嘘をつく、座った、嘘をつく、嘘をつく、立って、立つ、という幅広い行動や動きを、全体の精度82.63%で検出する。
第二に、Random Forest, Artificial Neural Network, Decision Tree, Multiway Decision Tree, Support Vector Machine, k-NN, Gradient Boosted Trees, Decision Stump, Auto MLP, Linear Regression, Vector Linear Regression, Random Tree, Na\"ive Bayes", Na\"ive Bayes (Kernel), Linear Discriminant Analysis, Quadratic Discriminant Analysis, Deep Learningなどが、このフレームワークに適用されている。
これらの学習手法のそれぞれのパフォーマンスはAdaBoostアルゴリズムを用いて向上し、Cross Validationアプローチはトレーニングとテストに使用された。
その結果,k-NN分類器は,他の学習手法よりも優れており,その学習方法として最適であることが示唆された。
本研究は,スマートホームなどのモノのインターネット(iot)を基盤とした生活環境の将来における高齢者のエクソスケルトン支援・自立的生活能力の向上に寄与する上で,本研究の重要性を示唆し,議論した。
特定の症例として,高機能下肢外骨格であるHybrid Assistive Limb exoskeletonの能力を増強するために,我々の研究の成果がどう関係しているかを考察した。
関連論文リスト
- Skeleton2vec: A Self-supervised Learning Framework with Contextualized
Target Representations for Skeleton Sequence [56.092059713922744]
予測対象として高レベルな文脈化機能を使用することで,優れた性能が得られることを示す。
具体的には、シンプルで効率的な3D行動表現学習フレームワークであるSkeleton2vecを提案する。
提案するSkeleton2vecは,従来の手法より優れ,最先端の結果が得られる。
論文 参考訳(メタデータ) (2024-01-01T12:08:35Z) - RLIF: Interactive Imitation Learning as Reinforcement Learning [56.997263135104504]
我々は,対話型模倣学習と類似するが,さらに実践的な仮定の下で,非政治強化学習によってパフォーマンスが向上できることを実証する。
提案手法は,ユーザ介入信号を用いた強化学習を報奨として利用する。
このことは、インタラクティブな模倣学習において介入する専門家がほぼ最適であるべきだという仮定を緩和し、アルゴリズムが潜在的に最適でない人間の専門家よりも改善される行動を学ぶことを可能にする。
論文 参考訳(メタデータ) (2023-11-21T21:05:21Z) - Video-based Contrastive Learning on Decision Trees: from Action
Recognition to Autism Diagnosis [17.866016075963437]
決定木に基づく行動分類のための新しいコントラスト学習ベースのフレームワークを提案する。
鍵となる考え方は、もともとのマルチクラスアクション認識を、事前構築された決定ツリー上の一連のバイナリ分類タスクに変換することである。
我々は,CalTechインタビュービデオデータベース上で,ビデオベース自閉症スペクトラム障害診断の有望な性能を実証した。
論文 参考訳(メタデータ) (2023-04-20T04:02:04Z) - Skeleton-based Human Action Recognition via Convolutional Neural
Networks (CNN) [4.598337780022892]
骨格に基づく行動認識における最先端の貢献のほとんどは、人体を表現し特徴を抽出するグラフニューラルネットワーク(GCN)アーキテクチャを取り入れている。
我々の研究は、CNNがGCNに匹敵する結果が得られることを実証し、適切なトレーニング手法、強化、拡張が適用できることを示した。
論文 参考訳(メタデータ) (2023-01-31T01:26:17Z) - Machine Learning Approach for Predicting Students Academic Performance
and Study Strategies based on their Motivation [0.0]
本研究は,学生の学業成績と学習戦略予測のための機械学習モデルの開発を目的とする。
モデル構築には,学生の学習過程に不可欠な重要な学習属性(内在的,外在的,自律的,関連性,能力,自尊心)が用いられた。
論文 参考訳(メタデータ) (2022-10-15T04:09:05Z) - Backprop-Free Reinforcement Learning with Active Neural Generative
Coding [84.11376568625353]
動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。
我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。
我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
論文 参考訳(メタデータ) (2021-07-10T19:02:27Z) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳(メタデータ) (2021-06-17T17:26:31Z) - ROIAL: Region of Interest Active Learning for Characterizing Exoskeleton
Gait Preference Landscapes [64.87637128500889]
興味あるアクティブラーニング(ROIAL)フレームワークの領域は、関心のある領域を通じて、各ユーザの基盤となるユーティリティ関数を積極的に学習する。
ROIALは、絶対的な数値スコアよりも信頼性の高いフィードバックメカニズムである順序と選好のフィードバックから学習する。
以上の結果から,限られた人為的試行から歩行実用景観を回復できる可能性が示唆された。
論文 参考訳(メタデータ) (2020-11-09T22:45:58Z) - MS$^2$L: Multi-Task Self-Supervised Learning for Skeleton Based Action
Recognition [36.74293548921099]
動作予測,ジグソーパズル認識,コントラスト学習を統合し,異なる側面から骨格の特徴を学習する。
NW-UCLA, NTU RGB+D, PKUMMDデータセットを用いた実験は, 行動認識における顕著な性能を示した。
論文 参考訳(メタデータ) (2020-10-12T11:09:44Z) - Automatic Gesture Recognition in Robot-assisted Surgery with
Reinforcement Learning and Tree Search [63.07088785532908]
共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。
我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
論文 参考訳(メタデータ) (2020-02-20T13:12:38Z)
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。