論文の概要: Data Collection and Labeling of Real-Time IoT-Enabled Bio-Signals in
Everyday Settings for Mental Health Improvement
- arxiv url: http://arxiv.org/abs/2108.01169v1
- Date: Mon, 2 Aug 2021 20:56:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 02:52:19.018044
- Title: Data Collection and Labeling of Real-Time IoT-Enabled Bio-Signals in
Everyday Settings for Mental Health Improvement
- Title（参考訳）: メンタルヘルス改善のためのリアルタイムIoT実現バイオシグナルのデータ収集とラベル付け
- Authors: Ali Tazarv, Sina Labbaf, Amir M. Rahmani, Nikil Dutt, Marco Levorato
- Abstract要約: リアルタイムの生理的データ収集と分析は、現代の幸福な応用において中心的な役割を果たす。
本稿では, ウェアラブルセンサからの光胸腺図, 加速度, ジャイロスコープ, 重力データのリアルタイム収集と解析を行うシステムを構築した。
- 参考スコア（独自算出の注目度）: 6.7377504888630675
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-time physiological data collection and analysis play a central role in
modern well-being applications. Personalized classifiers and detectors have
been shown to outperform general classifiers in many contexts. However,
building effective personalized classifiers in everyday settings - as opposed
to controlled settings - necessitates the online collection of a labeled
dataset by interacting with the user. This need leads to several challenges,
ranging from building an effective system for the collection of the signals and
labels, to developing strategies to interact with the user and building a
dataset that represents the many user contexts that occur in daily life. Based
on a stress detection use case, this paper (1) builds a system for the
real-time collection and analysis of photoplethysmogram, acceleration,
gyroscope, and gravity data from a wearable sensor, as well as self-reported
stress labels based on Ecological Momentary Assessment (EMA), and (2) collects
and analyzes a dataset to extract statistics of users' response to queries and
the quality of the collected signals as a function of the context, here defined
as the user's activity and the time of the day.
- Abstract（参考訳）: リアルタイムの生理的データ収集と分析は、現代の幸福な応用において中心的な役割を果たす。
パーソナライズされた分類器と検出器は、多くの文脈で一般的な分類器より優れていることが示されている。
しかし、コントロールされた設定とは対照的に、日々の環境で効果的なパーソナライズされた分類器を構築するには、ユーザと対話することでラベル付きデータセットのオンラインコレクションが必要である。
このニーズは、信号とラベルの収集のための効果的なシステムの構築から、ユーザと対話する戦略の開発、日々の生活で発生する多くのユーザコンテキストを表すデータセットの構築まで、いくつかの課題につながります。
Based on a stress detection use case, this paper (1) builds a system for the real-time collection and analysis of photoplethysmogram, acceleration, gyroscope, and gravity data from a wearable sensor, as well as self-reported stress labels based on Ecological Momentary Assessment (EMA), and (2) collects and analyzes a dataset to extract statistics of users' response to queries and the quality of the collected signals as a function of the context, here defined as the user's activity and the time of the day.
関連論文リスト
- Automatic Histograms: Leveraging Language Models for Text Dataset
Exploration [6.273685997216551]
本稿では,大規模言語モデルを活用した可視化ツールAutoHistogramsを紹介する。
AutoHistogramsは、関連する機能を自動的に識別し、ヒストグラムで視覚化する。
10人のデータワーカーによるユーザスタディでは、参加者はインサイトを素早く識別し、AutoHistogramsを使ってデータを探索することができる。
論文 参考訳（メタデータ） (2024-02-21T22:29:16Z) - Context-Aware Stress Monitoring using Wearable and Mobile Technologies
in Everyday Settings [2.650926942973848]
本研究では,生理的データと文脈的データの両方を利用して,日常のストレスレベルを客観的に追跡するモニタリングシステムを提案する。
本稿では,その課題に対処する3階層のインターネット・オブ・シングス・システムアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-12-14T19:16:11Z) - ContextLabeler Dataset: physical and virtual sensors data collected from
smartphone usage in-the-wild [7.310043452300736]
本稿では,データ収集キャンペーンと,スマートフォンセンサから得られたデータセットについて述べる。
収集されたデータセットは、新しいコンテキスト認識ソリューションの幅広いセットを定義し評価するために、実際のデータの有用なソースである。
論文 参考訳（メタデータ） (2023-07-07T13:28:29Z) - Bring Your Own Data! Self-Supervised Evaluation for Large Language
Models [52.15056231665816]
大規模言語モデル(LLM)の自己教師型評価のためのフレームワークを提案する。
閉書知識,毒性,長期文脈依存性を測定するための自己指導型評価戦略を実証する。
自己監督評価と人監督評価との間には強い相関関係が認められた。
論文 参考訳（メタデータ） (2023-06-23T17:59:09Z) - Self-supervised Activity Representation Learning with Incremental Data:
An Empirical Study [7.782045150068569]
本研究では,時系列分類タスクにおける自己教師付き表現学習モデルの利用が及ぼす影響について検討する。
4つの公開データセットにおいて,ラベル付きデータのサイズ,分布,ソースが最終分類性能に与える影響を解析した。
論文 参考訳（メタデータ） (2023-05-01T01:39:55Z) - Active Reinforcement Learning for Personalized Stress Monitoring in
Everyday Settings [4.4353357514621745]
本稿では,日常の環境をターゲットとしたウェアラブルセンサを用いた微粒な応力検出問題について考察する。
我々は,生理的信号を定期的に捉え,リアルタイムで処理する多層センサエッジクラウドプラットフォームを開発した。
提案手法は,ユーザからのクエリを88%,32%削減して,望ましい検出性能を実現する。
論文 参考訳（メタデータ） (2023-04-28T22:09:19Z) - Representation Learning for the Automatic Indexing of Sound Effects
Libraries [79.68916470119743]
タスク固有のがデータセットに依存しない表現は、クラス不均衡、一貫性のないクラスラベル、不十分なデータセットサイズなどのデータ問題にうまく対処できることを示す。
詳細な実験結果は、メトリック学習アプローチと異なるデータセット間の学習方法が表現効率に与える影響を示している。
論文 参考訳（メタデータ） (2022-08-18T23:46:13Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳（メタデータ） (2021-03-23T11:10:04Z) - Simple multi-dataset detection [83.9604523643406]
複数の大規模データセット上で統合検出器を訓練する簡単な方法を提案する。
データセット固有のアウトプットを共通の意味分類に自動的に統合する方法を示す。
私たちのアプローチは手動の分類学の調整を必要としません。
論文 参考訳（メタデータ） (2021-02-25T18:55:58Z) - Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。
実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
論文 参考訳（メタデータ） (2021-01-16T23:45:02Z) - Improving time use measurement with personal big data collection -- the
experience of the European Big Data Hackathon 2019 [62.997667081978825]
この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。
i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
論文 参考訳（メタデータ） (2020-04-24T18:40:08Z)
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。