論文の概要: Fatigue Prediction in Outdoor Running Conditions using Audio Data

• arxiv url: http://arxiv.org/abs/2205.04343v1
• Date: Mon, 9 May 2022 14:44:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-10 18:07:43.952201
• Title: Fatigue Prediction in Outdoor Running Conditions using Audio Data
• Title（参考訳）: 音響データを用いた屋外走行条件の疲労予測
• Authors: Andreas Triantafyllopoulos, Sandra Ottl, Alexander Gebhard, Esther Rituerto-Gonz\'alez, Mirko Jaumann, Steffen H\"uttner, Valerie Dieter, Patrick Schneewei{\ss}, Inga Krau{\ss}, Maurice Gerczuk, Shahin Amiriparian, and Bj\"orn W. Schuller
• Abstract要約: 29%から79%のランナーは、毎年過剰な怪我を負っている。 この傷は過度の疲労と結びついており、人の走り方を変えます。 本研究では,疲労の主観的尺度である運動量(RPE)尺度(範囲:$[6-20]$)のモデル化の実現可能性について検討する。 対数メル分光器の畳み込みニューラルネットワーク(CNN)を用いて、被験者依存実験において平均絶対誤差が2.35ドルとなる。
• 参考スコア（独自算出の注目度）: 48.43471521490844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although running is a common leisure activity and a core training regiment for several athletes, between $29\%$ and $79\%$ of runners sustain an overuse injury each year. These injuries are linked to excessive fatigue, which alters how someone runs. In this work, we explore the feasibility of modelling the Borg received perception of exertion (RPE) scale (range: $[6-20]$), a well-validated subjective measure of fatigue, using audio data captured in realistic outdoor environments via smartphones attached to the runners' arms. Using convolutional neural networks (CNNs) on log-Mel spectrograms, we obtain a mean absolute error of $2.35$ in subject-dependent experiments, demonstrating that audio can be effectively used to model fatigue, while being more easily and non-invasively acquired than by signals from other sensors.
• Abstract（参考訳）: ランニングは一般的なレジャー活動であり、数人のアスリートにとってコアトレーニング連隊であるが、毎年29セントから79セントのランナーが過剰な怪我を負っている。 この傷は過度の疲労と結びついており、人の走り方を変える。 本研究では, ランナーの腕に装着したスマートフォンを用いて, リアルな屋外環境において収集した音声データを用いて, 疲労の主観評価尺度であるborg received perception of exertion (rpe) scale ($[6-20]$) をモデル化する可能性を検討する。 畳み込みニューラルネットワーク (convolutional neural network, cnns) を対数メルスペクトログラムで使用することにより, 被験者依存実験で平均絶対誤差が2.35ドルとなり, 他のセンサの信号よりも容易に非侵襲的に取得できながら, 疲労を効果的にモデル化できることを示した。

関連論文リスト

• QuestSim: Human Motion Tracking from Sparse Sensors with Simulated Avatars [80.05743236282564]
  人間の身体の動きのリアルタイム追跡は、AR/VRにおける没入感のある体験に不可欠である。 本稿では,HMDと2つのコントローラから疎信号を取り出す強化学習フレームワークを提案する。 一つのポリシーは、多様な移動スタイル、異なる体の大きさ、新しい環境に対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2022-09-20T00:25:54Z)
• Towards cumulative race time regression in sports: I3D ConvNet transfer learning in ultra-distance running events [1.4859458229776121]
  本稿では,わずか数秒の映像を入力として,超距離ランナー累積レースタイム(CRT)の回帰を提案する。 得られたニューラルネットワークは、短い入力映像に対して顕著な性能を提供できることを示す。
  論文  参考訳（メタデータ） (2022-08-23T20:53:01Z)
• Play it by Ear: Learning Skills amidst Occlusion through Audio-Visual Imitation Learning [62.83590925557013]
  我々は視覚と音声の入力から、部分的に観察された操作タスクのセットを学習する。 提案システムは,遠隔操作による実演とオンラインファインタニングを併用することで,これらの課題を学習する。 模擬課題の集合において、我々のシステムは音声を使うことの恩恵を受けており、オンライン介入を用いることで、オフライン模倣学習の成功率を20%向上できることがわかった。
  論文  参考訳（メタデータ） (2022-05-30T04:52:58Z)
• Deep Neural Networks on EEG Signals to Predict Auditory Attention Score Using Gramian Angular Difference Field [1.9899603776429056]
  ある意味では、個人の聴覚的注意スコアは、聴覚的タスクにおいて、その人が持つことができる焦点を示す。 深層学習の最近の進歩と、神経活動を記録する非侵襲的技術は、脳波(EEG)などの技術とともに、個人の聴覚的注意スコアを予測することができるのか? 本稿では,14チャンネルの脳波信号を用いて脳の電気的活動に基づいて聴覚的注意度を推定する問題に焦点をあてる。
  論文  参考訳（メタデータ） (2021-10-24T17:58:14Z)
• EEG-based Classification of Drivers Attention using Convolutional Neural Network [0.0]
  本研究は、参加者の脳活動に基づいて訓練された注意分類器の性能を比較した。 審美的フィードバック下で得られた生脳波データに基づいて訓練したCNNモデルは,89%の精度を達成できた。 この結果から,CNNおよび生脳波信号は受動的BCIの訓練に有効であることが示唆された。
  論文  参考訳（メタデータ） (2021-08-23T10:55:52Z)
• Machine vision detection to daily facial fatigue with a nonlocal 3D attention network [10.483447243772128]
  本稿では,野生動物の顔面疲労状態を反映したDLFD (daily-life fatigue dataset) というデータセットを提案する。 3D-ResNetと非局所的注意メカニズムを用いたフレームワークは、空間的および時間的次元における局所的および長期的特徴の抽出のための訓練であった。 提案フレームワークは,検証セットの平均精度が90.8%,バイナリ分類テストセットが72.5%に達し,他の最先端手法と比較して良好な位置にある。
  論文  参考訳（メタデータ） (2021-04-21T08:58:46Z)
• Semi-supervised reward learning for offline reinforcement learning [71.6909757718301]
  トレーニングエージェントは通常、報酬機能が必要ですが、報酬は実際にはほとんど利用できず、エンジニアリングは困難で手間がかかります。 限定されたアノテーションから学習し,ラベルなしデータを含む半教師付き学習アルゴリズムを提案する。 シミュレーションロボットアームを用いた実験では,動作のクローン化が大幅に向上し,真理の報奨によって達成される性能に近づいた。
  論文  参考訳（メタデータ） (2020-12-12T20:06:15Z)
• Noisy Agents: Self-supervised Exploration by Predicting Auditory Events [127.82594819117753]
  本稿では, エージェントが行動の因果的影響を理解することを奨励する, 強化学習(Reinforcement Learning, RL)の本質的なモチベーションを提案する。 ニューラルネットワークを用いて聴覚事象を予測し、予測誤差を本質的な報奨として利用し、RL探索を誘導する。 Atariゲームの実験結果から、我々の新しい本質的な動機は、最先端のベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-07-27T17:59:08Z)
• CNN-based Speed Detection Algorithm for Walking and Running using Wrist-worn Wearable Sensors [1.6708670748115966]
  本稿では,手首輪装置の加速度計とセンサデータを利用して,高精度な速度検出を行う畳み込みニューラルネットワークに基づくアルゴリズムの設計,実装,評価を行う。 我々の速度検出アルゴリズムは、それぞれ70～15ドルと1対1のクロスバリデーション評価戦略を用いて、MAPE(Mean Absolute Error Percentage)の4.2%と9.8%の値を達成した。
  論文  参考訳（メタデータ） (2020-06-03T15:53:46Z)
• Overfitting in adversarially robust deep learning [86.11788847990783]
  トレーニングセットへの過度な適合は、実際には、逆向きの堅牢なトレーニングにおいて、非常に大きなロバストなパフォーマンスを損なうことを示す。 また, 2重降下曲線のような効果は, 逆向きに訓練されたモデルでもまだ起こるが, 観測された過度なオーバーフィッティングを説明できないことを示す。
  論文  参考訳（メタデータ） (2020-02-26T15:40:50Z)

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。