論文の概要: Animal Behavior Classification via Deep Learning on Embedded Systems
- arxiv url: http://arxiv.org/abs/2111.12295v1
- Date: Wed, 24 Nov 2021 06:26:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-25 14:10:28.839867
- Title: Animal Behavior Classification via Deep Learning on Embedded Systems
- Title（参考訳）: 組込みシステムにおける深層学習による動物行動分類
- Authors: Reza Arablouei, Liang Wang, Lachlan Currie, Flavio A. P. Alvarenga,
Greg J. Bishop-Hurley
- Abstract要約: 我々は,動物行動の分類を加速度計測データを用いてエンドツーエンドのディープ・ニューラル・ネットワーク・ベース・アルゴリズムを開発した。
動物行動のin-situ分類を行うために,カラータグのAIoTデバイスの組込みシステムに提案アルゴリズムを実装した。
- 参考スコア（独自算出の注目度）: 10.160218445628836
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We develop an end-to-end deep-neural-network-based algorithm for classifying
animal behavior using accelerometry data on the embedded system of an
artificial intelligence of things (AIoT) device installed in a wearable collar
tag. The proposed algorithm jointly performs feature extraction and
classification utilizing a set of infinite-impulse-response (IIR) and
finite-impulse-response (FIR) filters together with a multilayer perceptron.
The utilized IIR and FIR filters can be viewed as specific types of recurrent
and convolutional neural network layers, respectively. We evaluate the
performance of the proposed algorithm via two real-world datasets collected
from grazing cattle. The results show that the proposed algorithm offers good
intra- and inter-dataset classification accuracy and outperforms its closest
contenders including two state-of-the-art convolutional-neural-network-based
time-series classification algorithms, which are significantly more complex. We
implement the proposed algorithm on the embedded system of the collar tag's
AIoT device to perform in-situ classification of animal behavior. We achieve
real-time in-situ behavior inference from accelerometry data without imposing
any strain on the available computational, memory, or energy resources of the
embedded system.
- Abstract（参考訳）: 我々は,ウェアラブル・カラー・タグに装着された人工知能(AIoT)デバイスの組込みシステム上での加速度計データを用いて,動物行動の分類を行う,エンドツーエンドのディープ・ニューラル・ネットワークベースのアルゴリズムを開発した。
提案アルゴリズムは, 無限インパルス応答 (IIR) と有限インパルス応答 (FIR) フィルタを多層パーセプトロンとともに併用して特徴抽出と分類を行う。
利用したIIRフィルタとFIRフィルタはそれぞれ、リカレント層と畳み込みニューラルネットワーク層の特定のタイプと見なすことができる。
放牧牛から収集した実世界の2つのデータセットを用いて,提案アルゴリズムの性能を評価する。
その結果,提案アルゴリズムはデータセット内およびデータセット間における分類精度が良好であり,より複雑である2つの畳み込み畳み込みニューラルネットワークに基づく時系列分類アルゴリズムを含む最接近候補を上回った。
動物行動のin-situ分類を行うために,カラータグのAIoTデバイスの組込みシステムに提案アルゴリズムを実装した。
組込みシステムの利用可能な計算,メモリ,エネルギー資源に歪みを生じさせることなく,加速度計データからリアルタイムなその場行動推定を行う。
関連論文リスト
- On Designing Features for Condition Monitoring of Rotating Machines [7.830376406370754]
回転機械の故障認識のための入力特徴を設計するための様々な手法が提案されている。
本稿では,異なる時系列センサデータに対する特徴抽出を統一する入力特徴を設計するための新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-02-15T14:08:08Z) - Open-Set Automatic Target Recognition [52.27048031302509]
オートマチックターゲット認識(Automatic Target Recognition、ATR)は、異なるセンサーから取得したデータに基づいてターゲットを認識しようとするコンピュータビジョンアルゴリズムのカテゴリである。
既存のATRアルゴリズムは、トレーニングとテストが同じクラス分布を持つ従来のクローズドセット手法向けに開発されている。
ATRアルゴリズムのオープンセット認識機能を実現するためのオープンセット自動ターゲット認識フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-10T21:28:24Z) - Correntropy-Based Logistic Regression with Automatic Relevance
Determination for Robust Sparse Brain Activity Decoding [18.327196310636864]
相関学習フレームワークを,自動関係決定に基づくスパース分類モデルに導入する。
人工的データセット,脳波(EEG)データセット,機能的磁気共鳴画像(fMRI)データセットで評価した。
論文 参考訳（メタデータ） (2022-07-20T06:49:23Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - Multi-modal Sensor Data Fusion for In-situ Classification of Animal
Behavior Using Accelerometry and GNSS Data [16.47484520898938]
動物行動の分類には,複数のセンシングモード,すなわち加速度計とグローバルナビゲーション衛星システム(GNSS)のデータを用いて検討する。
スマート牛首輪と耳札を用いて収集した実世界の2つのデータセットを用いたマルチモーダル動物行動分類アルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-06-24T04:54:03Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Progressive Spatio-Temporal Graph Convolutional Network for
Skeleton-Based Human Action Recognition [97.14064057840089]
本稿では,グラフ畳み込みネットワークのためのコンパクトで問題固有のネットワークを,段階的に自動的に見つける手法を提案する。
骨格に基づく人体行動認識のための2つのデータセットの実験結果から,提案手法は競争力あるいはより優れた分類性能を有することが示された。
論文 参考訳（メタデータ） (2020-11-11T09:57:49Z) - Deep Learning-based Cattle Activity Classification Using Joint
Time-frequency Data Representation [2.472770436480857]
本稿では,牛の行動・行動の分類と行動モデルの構築にシーケンシャルディープニューラルネットワークを用いた。
本研究の主な焦点は,センサデータの同時時間周波数領域表現の探索である。
3軸加速度計、磁力計、ジャイロスコープのセンサーから収集された300万以上のサンプルからなる実世界のデータセットに基づいています。
論文 参考訳（メタデータ） (2020-11-06T14:24:55Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z) - Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。
本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
論文 参考訳（メタデータ） (2020-05-10T06:11:13Z) - A Multi-view CNN-based Acoustic Classification System for Automatic
Animal Species Identification [42.119250432849505]
無線音響センサネットワーク(WASN)のためのディープラーニングに基づく音響分類フレームワークを提案する。
提案フレームワークは,無線センサノードの計算負担を緩和するクラウドアーキテクチャに基づいている。
認識精度を向上させるために,多視点畳み込みニューラルネットワーク(CNN)を設計し,短期・中期・長期の依存関係を並列に抽出する。
論文 参考訳（メタデータ） (2020-02-23T03:51:08Z)
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。