論文の概要: Machine Learning based Anomaly Detection for Smart Shirt: A Systematic
Review
- arxiv url: http://arxiv.org/abs/2203.03300v1
- Date: Mon, 7 Mar 2022 11:21:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 22:48:30.351460
- Title: Machine Learning based Anomaly Detection for Smart Shirt: A Systematic
Review
- Title(参考訳): 機械学習によるスマートシャツの異常検出:システムレビュー
- Authors: E. C. Nunes
- Abstract要約: 本研究は,Smart ShirtにおけるML技術を用いた異常検出に関する文献の体系的レビューである。
研究の目的は, (i) スマートシャツの種類, (ii) ML技術が使われているもの, (iii) データセットが使用されているもの, (iv) スマートシャツや信号取得装置を識別することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, the popularity and use of Artificial Intelligence (AI) and
large investments on theInternet of Medical Things (IoMT) will be common to use
products such as smart socks, smartpants, and smart shirts. These products are
known as Smart Textile or E-textile, which has theability to monitor and
collect signals that our body emits. These signals make it possible to
extractanomalous components using Machine Learning (ML) techniques that play an
essential role in thisarea. This study presents a Systematic Review of the
Literature (SLR) on Anomaly Detection usingML techniques in Smart Shirt. The
objectives of the SLR are: (i) to identify what type of anomalythe smart shirt;
(ii) what ML techniques are being used; (iii) which datasets are being used;
(iv)identify smart shirt or signal acquisition devices; (v) list the
performance metrics used to evaluatethe ML model; (vi) the results of the
techniques in general; (vii) types of ML algorithms are beingapplied.The SLR
selected 11 primary studies published between 2017-2021. The results showed
that6 types of anomalies were identified, with the Fall anomaly being the most
cited. The Support VectorMachines (SVM) algorithm is most used. Most of the
primary studies used public or private datasets.The Hexoskin smart shirt was
most cited. The most used metric performance was Accuracy. Onaverage, almost
all primary studies presented a result above 90%, and all primary studies used
theSupervisioned type of ML.
- Abstract(参考訳): 近年では、人工知能(ai)の人気と利用、および医療機器のインターネット(iomt)への大規模な投資が、スマートソックス、スマートパンツ、スマートシャツなどの製品の使用に共通している。
これらの製品はスマートテキスタイル(smart textile)やe-textile(e-textile)と呼ばれ、身体が発する信号をモニターし収集する能力がある。
これらの信号は、この領域で重要な役割を果たす機械学習(ML)技術を用いて、異種成分の抽出を可能にする。
本研究は,スマートシャートにおけるML手法を用いた異常検出に関するSLR(Systematic Review of the Literature)を提案する。
SLRの目的は次のとおりである。
(i)どのタイプのスマートシャツが異常であるかを特定すること。
(ii) ML技術が使われているもの
(iii) データセットが使用されているもの
四 スマートシャツ又は信号取得装置を識別すること。
(v) mlモデルを評価するのに使用される性能指標を一覧する。
(vi)技術全般の結果
2017年から2021年にかけて、SLRは11種類のMLアルゴリズムを選択した。
その結果,6種類の異常が同定され,秋の異常が最も引用された。
Support VectorMachines (SVM)アルゴリズムが最も使われている。
主要な研究の多くは公的または私的なデータセットを使用しており、ヘキソスキンのスマートシャツが最も引用された。
最もよく使われるメートル法の性能は精度であった。
平均して、ほとんどの初等研究は90%以上の結果を示し、すべての初等研究はスーパービジョン型MLを使用した。
関連論文リスト
- LLM-Select: Feature Selection with Large Language Models [64.5099482021597]
大規模言語モデル(LLM)は、データサイエンスの標準ツールに匹敵するパフォーマンスで、最も予測可能な機能を選択することができる。
以上の結果から,LSMはトレーニングに最適な機能を選択するだけでなく,そもそもどの機能を収集すべきかを判断する上でも有用である可能性が示唆された。
論文 参考訳(メタデータ) (2024-07-02T22:23:40Z) - Anomaly Detection of Tabular Data Using LLMs [54.470648484612866]
我々は,事前訓練された大規模言語モデル (LLM) がゼロショットバッチレベルの異常検出器であることを示す。
本稿では,実異常検出におけるLCMの潜在性を明らかにするために,エンドツーエンドの微調整手法を提案する。
論文 参考訳(メタデータ) (2024-06-24T04:17:03Z) - Benchmarking Uncertainty Quantification Methods for Large Language Models with LM-Polygraph [85.51252685938564]
不確実性定量化(UQ)は、機械学習(ML)に依存するアプリケーションの重要なコンポーネントとして、ますます認識されつつある。
他のMLモデルと同様に、大きな言語モデル(LLM)は、クレームを作成することによって誤った予測をする傾向があり、あるいは与えられた入力に対して単に低品質の出力を生成する。
本稿では,最先端のUQベースラインの集合を実装した新しいベンチマークを提案し,新しいテクニックを制御可能かつ一貫した評価を行う環境を提供する。
論文 参考訳(メタデータ) (2024-06-21T20:06:31Z) - Normality Learning-based Graph Anomaly Detection via Multi-Scale
Contrastive Learning [61.57383634677747]
グラフ異常検出(GAD)は、機械学習やデータマイニングにおいて注目を集めている。
本稿では,マルチスケールコントラスト学習ネットワーク(NLGAD,略語)による正規性学習に基づくGADフレームワークを提案する。
特に,提案アルゴリズムは,最先端手法と比較して検出性能(最大5.89%のAUCゲイン)を向上させる。
論文 参考訳(メタデータ) (2023-09-12T08:06:04Z) - VR-LENS: Super Learning-based Cybersickness Detection and Explainable
AI-Guided Deployment in Virtual Reality [1.9642496463491053]
本研究は、サイバーシック検出MLモデルを開発するための、説明可能な人工知能(XAI)ベースのフレームワークであるVR-LENSを提案する。
我々はまず,サイバーシック検出のための新しいスーパーラーニングベースのアンサンブルMLモデルを開発した。
本手法は, 眼球運動, プレイヤー位置, ガルバニックスキン/ハートレート応答を, 統合センサ, ゲームプレイ, 生体生理学的データセットの最も重要な特徴として同定した。
論文 参考訳(メタデータ) (2023-02-03T20:15:51Z) - Active learning for medical code assignment [55.99831806138029]
臨床領域における多ラベルテキスト分類におけるアクティブラーニング(AL)の有効性を示す。
MIMIC-IIIデータセットにICD-9コードを自動的に割り当てるために、よく知られたALメソッドのセットを適用します。
その結果、有益なインスタンスの選択は、大幅に減少したトレーニングセットで満足のいく分類を提供する。
論文 参考訳(メタデータ) (2021-04-12T18:11:17Z) - Human Activity Analysis and Recognition from Smartphones using Machine
Learning Techniques [0.0]
人間の活動認識(HAR)は、過去数十年で貴重な研究トピックと考えられています。
本稿では、機械学習モデルを用いてデータを分析し、人間の活動を認識する。
論文 参考訳(メタデータ) (2021-03-30T16:46:40Z) - TELESTO: A Graph Neural Network Model for Anomaly Classification in
Cloud Services [77.454688257702]
機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。
1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。
与えられたデータの次元変化に不変な手法を提案する。
論文 参考訳(メタデータ) (2021-02-25T14:24:49Z) - Insights into Performance Fitness and Error Metrics for Machine Learning [1.827510863075184]
機械学習(ML)は、高いレベルの認知を達成し、人間のような分析を行うための訓練機械の分野である。
本稿では、回帰アルゴリズムや分類アルゴリズムにおいて、最もよく使われている性能適合度と誤差の測定値について検討する。
論文 参考訳(メタデータ) (2020-05-17T22:59:04Z) - Big-Data Science in Porous Materials: Materials Genomics and Machine
Learning [0.0]
非常に多くの材料を持つことで、これらの材料を研究するための強力な技術としてビッグデータ手法が利用できることが示される。
このレビューの重要な部分は、これらの材料を特徴空間で表現するために使用される異なるアプローチである。
特に、MLプロセスを最適化する異なる手法と、異なる手法の性能を定量化する方法についてレビューする。
論文 参考訳(メタデータ) (2020-01-18T21:01:07Z) - Visual Machine Learning: Insight through Eigenvectors, Chladni patterns
and community detection in 2D particulate structures [0.0]
機械学習は量子力学の解と明確に結びついている特徴を生み出すことを示す。
これらの特徴の分離は、古典的非線形世界と量子力学的線形世界との深い関係を理解するのに役立ちます。
論文 参考訳(メタデータ) (2020-01-02T07:20:28Z)
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。