論文の概要: An adaptable cognitive microcontroller node for fitness activity
recognition
- arxiv url: http://arxiv.org/abs/2201.05110v1
- Date: Thu, 13 Jan 2022 18:06:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-14 14:12:24.804159
- Title: An adaptable cognitive microcontroller node for fitness activity
recognition
- Title（参考訳）: フィットネスアクティビティ認識のための適応型認知マイクロコントローラノード
- Authors: Matteo Antonio Scrugli, Bojan Bla\v{z}ica, Paolo Meloni
- Abstract要約: ウォブルボード(英: Wobble board)は、足首の怪我を避けるために、または怪我後のリハビリの一環として、感覚運動の訓練に使用できる安価な装置である。
本研究では,ウルブルボードに適用可能な携帯型,電池駆動型マイクロコントローラデバイスを提案する。
電力消費を減らすために,ハードウェアとソフトウェアの構成を動的に管理し,実行時に必要な動作モードに適応する適応層を追加する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The new generation of wireless technologies, fitness trackers, and devices
with embedded sensors can have a big impact on healthcare systems and quality
of life. Among the most crucial aspects to consider in these devices are the
accuracy of the data produced and power consumption. Many of the events that
can be monitored, while apparently simple, may not be easily detectable and
recognizable by devices equipped with embedded sensors, especially on devices
with low computing capabilities. It is well known that deep learning reduces
the study of features that contribute to the recognition of the different
target classes. In this work, we present a portable and battery-powered
microcontroller-based device applicable to a wobble board. Wobble boards are
low-cost equipment that can be used for sensorimotor training to avoid ankle
injuries or as part of the rehabilitation process after an injury. The exercise
recognition process was implemented through the use of cognitive techniques
based on deep learning. To reduce power consumption, we add an adaptivity layer
that dynamically manages the device's hardware and software configuration to
adapt it to the required operating mode at runtime. Our experimental results
show that adjusting the node configuration to the workload at runtime can save
up to 60% of the power consumed. On a custom dataset, our optimized and
quantized neural network achieves an accuracy value greater than 97% for
detecting some specific physical exercises on a wobble board.
- Abstract（参考訳）: 新しい世代のワイヤレス技術、フィットネストラッカー、センサーを内蔵したデバイスは、医療システムや生活の質に大きな影響を与える可能性がある。
これらのデバイスで考慮すべき最も重要な側面は、生成されたデータの精度と消費電力である。
監視可能なイベントの多くは、明らかに単純だが、組み込みセンサーを備えたデバイス、特にコンピューティング能力の低いデバイスでは容易に検出および認識できない可能性がある。
ディープラーニングは、異なるターゲットクラスの認識に寄与する特徴の研究を減らすことがよく知られている。
本研究では,ウルブルボードに適用可能な携帯型,電池駆動型マイクロコントローラデバイスを提案する。
ウォブルボード(wobble board)は、足首の損傷を避けるために、または怪我後のリハビリの一環として、感覚運動訓練に使用できる安価な装置である。
深層学習に基づく認知技術を用いて,運動認識プロセスを実装した。
電力消費を減らすために,ハードウェアとソフトウェアの構成を動的に管理し,実行時に必要な動作モードに適応する適応層を追加する。
実験の結果,実行時のワークロードに対するノード構成の調整は,消費電力の最大60%を節約できることがわかった。
カスタムデータセットでは、最適化された量子化されたニューラルネットワークは、ウォブルボード上の特定の物理的エクササイズを検出するために、97%以上の精度値を達成する。
関連論文リスト
- OmniBuds: A Sensory Earable Platform for Advanced Bio-Sensing and On-Device Machine Learning [46.3331254985615]
感覚ウェアラブルは、基本的なオーディオ拡張デバイスから、臨床レベルの健康モニタリングと健康管理のための高度なプラットフォームへと進化してきた。
本稿では,複数のバイオセンサと,機械学習アクセラレーションによって駆動される車載計算を統合した,先進的な知覚可能プラットフォームであるOmniBudsを紹介する。
論文 参考訳（メタデータ） (2024-10-07T06:30:59Z) - Random resistive memory-based deep extreme point learning machine for
unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。
我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文 参考訳（メタデータ） (2023-12-14T09:46:16Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - Efficient Personalized Learning for Wearable Health Applications using
HyperDimensional Computing [10.89988703152759]
超次元コンピューティング(HDC)は、リソース制約のあるデバイスによく適合したデバイス上での学習ソリューションを提供する。
我々のシステムは、最先端のDeep Neural Network(DNN)アルゴリズムと比較して、トレーニングのエネルギー効率を最大45.8倍に向上させる。
論文 参考訳（メタデータ） (2022-08-01T18:49:15Z) - Learning to Detect Slip with Barometric Tactile Sensors and a Temporal
Convolutional Neural Network [7.346580429118843]
本研究では,バロメトリック・触覚センサを用いたスリップ検出手法を提案する。
我々は、スリップを検出するために時間畳み込みニューラルネットワークを訓練し、高い検出精度を実現する。
データ駆動学習と組み合わせたバロメトリック触覚センシング技術は,スリップ補償などの操作作業に適している,と我々は主張する。
論文 参考訳（メタデータ） (2022-02-19T08:21:56Z) - FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。
この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。
分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
論文 参考訳（メタデータ） (2022-01-18T13:59:22Z) - An adaptive cognitive sensor node for ECG monitoring in the Internet of
Medical Things [0.7646713951724011]
インターネット・オブ・メディカル・モノズ(IoMT)パラダイムは、複数の臨床試験や医療処置で主流になりつつある。
本研究では,資源制約型コンピューティングプラットフォームにおける認知データ解析アルゴリズムの実装について検討する。
コンボリューションニューラルネットワークを用いて心電図のトレースを分類する手法について検討した。
論文 参考訳（メタデータ） (2021-06-11T16:49:10Z) - Ps and Qs: Quantization-aware pruning for efficient low latency neural
network inference [56.24109486973292]
超低遅延アプリケーションのためのニューラルネットワークのトレーニング中の分級と量子化の相互作用を研究します。
量子化アウェアプルーニングは,タスクのプルーニングや量子化のみよりも計算効率のよいモデルであることが判明した。
論文 参考訳（メタデータ） (2021-02-22T19:00:05Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳（メタデータ） (2020-12-04T23:06:56Z) - Towards Hardware-Agnostic Gaze-Trackers [0.5512295869673146]
本稿では、制約付き視線追跡のための外観に基づく手法として、ディープニューラルネットワークアーキテクチャを提案する。
我々のシステムは、キャリブレーションやデバイス固有の微調整なしで、GazeCaptureデータセット上で1.8073cmの誤差を達成した。
論文 参考訳（メタデータ） (2020-10-11T00:53:57Z) - Super Low Resolution RF Powered Accelerometers for Alerting on
Hospitalized Patient Bed Exits [3.2654923574107357]
転倒は重篤な結果であり、高齢者を介護する急性病院や老人ホームで流行している。転倒のリスクを軽減するための技術介入は、自動でベッドからのイベントを監視し、医療従事者にタイムリーな監視を提供するよう警告する。
患者活動に関連する周波数領域情報は, 主に低頻度で存在している。
無線周波数識別(RFID)技術を用いた電池レスセンシング方式について検討し,病院ガウンなどの衣服への便利な統合の可能性について検討した。
論文 参考訳（メタデータ） (2020-03-19T00:58:30Z)
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。