Fugu-MT 論文翻訳(概要): Analog Gated Recurrent Neural Network for Detecting Chewing Events

論文の概要: Analog Gated Recurrent Neural Network for Detecting Chewing Events

arxiv url: http://arxiv.org/abs/2208.01201v1
Date: Tue, 2 Aug 2022 01:57:49 GMT
ステータス: 処理完了
システム内更新日: 2022-08-03 13:49:49.591848
Title: Analog Gated Recurrent Neural Network for Detecting Chewing Events
Title（参考訳）: 噛む事象を検出するアナログゲートリカレントニューラルネットワーク
Authors: Kofi Odame, Maria Nyamukuru, Mohsen Shahghasemi, Shengjie Bi, David Kotz
Abstract要約: ニューラルネットワークは、ボランティアのマストイド骨に装着された接触マイクから収集された6.4時間のデータに基づいて訓練された。 91%のリコールとF1スコアの94%を達成し、1.1uWの電力を消費した。
参考スコア（独自算出の注目度）: 1.429697055721575
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a novel gated recurrent neural network to detect when a person is chewing on food. We implemented the neural network as a custom analog integrated circuit in a 0.18 um CMOS technology. The neural network was trained on 6.4 hours of data collected from a contact microphone that was mounted on volunteers' mastoid bones. When tested on 1.6 hours of previously-unseen data, the neural network identified chewing events at a 24-second time resolution. It achieved a recall of 91% and an F1-score of 94% while consuming 1.1 uW of power. A system for detecting whole eating episodes -- like meals and snacks -- that is based on the novel analog neural network consumes an estimated 18.8uW of power.
Abstract（参考訳）: 本稿では,人間が食べ物を噛んでいることを検知する新しいゲート型リカレントニューラルネットワークを提案する。ニューラルネットワークをカスタムアナログ集積回路として0.18 um cmos技術で実装した。ニューラルネットワークは、ボランティアのマストイド骨に装着された接触マイクから収集された6.4時間のデータに基づいて訓練された。以前は見つからなかった1.6時間のデータをテストしたところ、ニューラルネットワークは24秒の時間解像度で噛む事象を特定した。 91%のリコールとF1スコアの94%を達成し、1.1uWの電力を消費した。新たなアナログニューラルネットワークに基づく、食事やスナックなどの食事のエピソード全体を検出するシステムは、推定18.8uwの電力を消費する。

関連論文リスト

Verified Neural Compressed Sensing [58.98637799432153]
精度の高い計算タスクのために、初めて(私たちの知識を最大限に活用するために)証明可能なニューラルネットワークを開発します。極小問題次元(最大50)では、線形および双項線形測定からスパースベクトルを確実に回復するニューラルネットワークを訓練できることを示す。ネットワークの複雑さは問題の難易度に適応できることを示し、従来の圧縮センシング手法が証明不可能な問題を解く。
論文参考訳（メタデータ） (2024-05-07T12:20:12Z)
Pattern recognition using spiking antiferromagnetic neurons [0.0]
我々は、パターン認識を行うために、AFMニューロンの人工ニューラルネットワークを訓練する。ニューロンスパイクの時間的位置に依存するスパイクパターン関連ニューロン(SPAN)と呼ばれる単純な機械学習アルゴリズムが訓練中に使用される。物理時間のマイクロ秒未満では、AMMニューラルネットワークは、指定された時間ウィンドウ内でスパイクを生成してグリッドから構成されたシンボルを認識するように訓練される。
論文参考訳（メタデータ） (2023-08-17T16:00:57Z)
Fully Automatic Neural Network Reduction for Formal Verification [8.017543518311196]
到達可能性解析を用いたニューラルネットワークの完全自動・音量低減手法を提案する。音質は、低減されたネットワークの検証が元のネットワークの検証を必要とすることを保証します。提案手法は, ニューロンの数を, 小さい外近似で, 元のニューロン数のごく一部に減らすことができることを示す。
論文参考訳（メタデータ） (2023-05-03T07:13:47Z)
Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文参考訳（メタデータ） (2023-04-14T09:39:06Z)
POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文参考訳（メタデータ） (2022-01-19T09:26:34Z)
Neuroevolution of a Recurrent Neural Network for Spatial and Working Memory in a Simulated Robotic Environment [57.91534223695695]
我々は,ラットで観察される行動と神経活動を再現する進化的アルゴリズムを用いて,生物学的に有意なリカレントニューラルネットワーク(RNN)でウェイトを進化させた。提案手法は, 進化したRNNの動的活動が, 興味深く複雑な認知行動をどのように捉えているかを示す。
論文参考訳（メタデータ） (2021-02-25T02:13:52Z)
Towards Repairing Neural Networks Correctly [6.600380575920419]
本稿では,ニューラルネットワークの正確性を保証するための実行時検証手法を提案する。実験結果から,本手法は特性を満たすことが保証されたニューラルネットワークを効果的に生成することが示された。
論文参考訳（メタデータ） (2020-12-03T12:31:07Z)
A Novel ANN Structure for Image Recognition [0.0]
本稿では,画像認識のためのニューラルモデルであるARN(Multi-layer Auto Resonance Networks)を提案する。 Nodesと呼ばれるALNのニューロンは、入力が"カバー"内にあるとき、入力パターンにラッチオンして共鳴する
論文参考訳（メタデータ） (2020-10-09T14:07:29Z)
Hardware Implementation of Spiking Neural Networks Using Time-To-First-Spike Encoding [5.709318189772638]
ハードウェアベースのスパイクニューラルネットワーク(SNN)は、認知コンピューティングシステムの有望な候補と見なされている。本研究では, 時間的バックプロパゲーションを用いた情報伝達を行うSNNを訓練する。 512個の隠れニューロンを持つ時間的に符号化されたSNNは、MNISTテストセットの96.90%の精度を示した。
論文参考訳（メタデータ） (2020-06-09T03:31:15Z)
Neural Networks and Value at Risk [59.85784504799224]
リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
論文参考訳（メタデータ） (2020-05-04T17:41:59Z)
Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
論文参考訳（メタデータ） (2020-02-02T21:09:39Z)

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。