論文の概要: XAI-BayesHAR: A novel Framework for Human Activity Recognition with
Integrated Uncertainty and Shapely Values
- arxiv url: http://arxiv.org/abs/2211.03451v1
- Date: Mon, 7 Nov 2022 11:07:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 19:08:58.811146
- Title: XAI-BayesHAR: A novel Framework for Human Activity Recognition with
Integrated Uncertainty and Shapely Values
- Title(参考訳): XAI-BayesHAR: 統合的不確実性と形状的価値を持つ人間活動認識のための新しいフレームワーク
- Authors: Anand Dubey, Niall Lyons, Avik Santra, Ashutosh Pandey
- Abstract要約: IMUセンサを用いたヒューマンアクティビティ認識(HAR)は、スマートホーム、ヘルスケア、ヒューマンマシンインタフェースシステムにいくつかの応用がある。
統合ベイズフレームワークであるXAI-BayesHARは、IMUベースのHARソリューションの全体的なアクティビティ分類精度を改善する。
- 参考スコア(独自算出の注目度): 6.3249981839272875
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human activity recognition (HAR) using IMU sensors, namely accelerometer and
gyroscope, has several applications in smart homes, healthcare and
human-machine interface systems. In practice, the IMU-based HAR system is
expected to encounter variations in measurement due to sensor degradation,
alien environment or sensor noise and will be subjected to unknown activities.
In view of practical deployment of the solution, analysis of statistical
confidence over the activity class score are important metrics. In this paper,
we therefore propose XAI-BayesHAR, an integrated Bayesian framework, that
improves the overall activity classification accuracy of IMU-based HAR
solutions by recursively tracking the feature embedding vector and its
associated uncertainty via Kalman filter. Additionally, XAI-BayesHAR acts as an
out of data distribution (OOD) detector using the predictive uncertainty which
help to evaluate and detect alien input data distribution. Furthermore, Shapley
value-based performance of the proposed framework is also evaluated to
understand the importance of the feature embedding vector and accordingly used
for model compression
- Abstract(参考訳): IMUセンサー(加速度計とジャイロスコープ)を用いたヒューマンアクティビティ認識(HAR)は、スマートホーム、ヘルスケア、ヒューマンマシンインタフェースシステムにいくつかの応用がある。
実際には、IMUベースのHARシステムは、センサ劣化、異種環境、またはセンサノイズによる測定のばらつきに遭遇し、未知の活動を受けることが期待されている。
ソリューションの実践的展開の観点からは、アクティビティクラススコアに対する統計的信頼度の分析が重要な指標である。
そこで本稿では,IMUベースのHARソリューションにおいて,機能埋め込みベクトルとその関連不確かさをカルマンフィルタを用いて再帰的に追跡することにより,全体のアクティビティ分類精度を向上させる,統合ベイズフレームワークであるXAI-BayesHARを提案する。
さらに、xai-bayesharは予測の不確実性を利用してout of data distribution (ood)検出器として働き、エイリアンの入力データ分布を評価し検出するのに役立つ。
さらに,提案フレームワークのShapley値に基づく性能評価を行い,特徴埋め込みベクトルの重要性を把握し,モデル圧縮に使用する。
関連論文リスト
- Mitigating Reward Hacking via Information-Theoretic Reward Modeling [70.26019860948114]
本稿では,報酬モデリングのための汎用的で堅牢なフレームワークであるInfoRMを提案する。
我々は,潜伏空間における過最適化と外れ値の相関を同定し,報酬過最適化を検出するための有望なツールとしてInfoRMを確立した。
論文 参考訳(メタデータ) (2024-02-14T17:49:07Z) - Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient
Kernels [60.35011738807833]
ケルネル学習とBayesian Spike-and-Slab pres (KBASS)に基づく新しい方程式探索法を提案する。
カーネルレグレッションを用いてターゲット関数を推定する。これはフレキシブルで表現力があり、データ空間やノイズに対してより堅牢である。
我々は、ベンチマークODEとPDE発見タスクのリストにおいて、KBASSの顕著な利点を示す。
論文 参考訳(メタデータ) (2023-10-09T03:55:09Z) - Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。
PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。
提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2023-09-27T14:39:41Z) - A Real-time Human Pose Estimation Approach for Optimal Sensor Placement
in Sensor-based Human Activity Recognition [63.26015736148707]
本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。
得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。
本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
論文 参考訳(メタデータ) (2023-07-06T10:38:14Z) - Human Activity Recognition Using Self-Supervised Representations of
Wearable Data [0.0]
HAR(Human Activity Recognition)のための正確なアルゴリズムの開発は、大規模な実世界のラベル付きデータセットの欠如によって妨げられている。
ここでは、トレーニング中に見えない実世界のデータセットで評価した場合、高い性能を有する6クラスHARモデルを開発する。
論文 参考訳(メタデータ) (2023-04-26T07:33:54Z) - 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) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳(メタデータ) (2022-03-11T02:37:35Z) - Attention-Based Sensor Fusion for Human Activity Recognition Using IMU
Signals [4.558966602878624]
本稿では,異なる身体部位に装着した複数のIMUセンサを用いた人体行動認識のための新しいアテンションベースアプローチを提案する。
異なる身体位置におけるセンサの重要性を学習し、注意に基づく融合機構を開発し、注意的特徴表現を生成する。
提案手法は,5つの公開データセットを用いて評価し,多種多様な活動カテゴリにおける最先端の手法より優れている。
論文 参考訳(メタデータ) (2021-12-20T17:00:27Z) - Automated Human Activity Recognition by Colliding Bodies
Optimization-based Optimal Feature Selection with Recurrent Neural Network [0.0]
HAR(Human Activity Recognition)は、センサの読み取りから広範に計算を行う上で、効率的なモデルであると考えられている。
本稿では,UC Irvine Machine Learning Repository(UCI)で公開されているスマートセンサから収集したデータを用いて,ディープラーニングを用いたHARシステムの実装を誘致する。
論文 参考訳(メタデータ) (2020-10-07T10:58:46Z) - Entropy Decision Fusion for Smartphone Sensor based Human Activity
Recognition [0.0]
本稿では,畳み込みニューラルネットワーク,再帰畳み込みネットワーク,ベクトルマシンをコンピュータで支援するためのアプローチを提案する。
UCI-HARとWISDMの2つのベンチマークデータセットで実験が行われた。
論文 参考訳(メタデータ) (2020-05-30T21:09:38Z) - A Deep Learning Method for Complex Human Activity Recognition Using
Virtual Wearable Sensors [22.923108537119685]
センサに基づくヒューマンアクティビティ認識(HAR)は、現在、複数のアプリケーション領域で研究ホットスポットとなっている。
本研究では,実シーンにおける複雑なHARの深層学習に基づく新しい手法を提案する。
提案手法は驚くほど数イテレーションで収束し、実際のIMUデータセット上で91.15%の精度が得られる。
論文 参考訳(メタデータ) (2020-03-04T03:31:23Z)
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。