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
- Language-centered Human Activity Recognition [8.925867647929088]
Inertial Measurement Unit(IMU)センサーを用いたHAR(Human Activity Recognition)は、医療、安全、産業生産における応用において重要である。
アクティビティパターン、デバイスタイプ、センサー配置の変化は、データセット間の分散ギャップを生成する。
本稿では,センサの読み書きとアクティビティラベルのセマンティック解釈を生成するシステムであるLanHARを提案する。
論文 参考訳（メタデータ） (2024-09-12T22:57:29Z) - EarDA: Towards Accurate and Data-Efficient Earable Activity Sensing [3.3690293278790415]
測定可能なデバイスは振幅やパターンに大きな変化を示し、特に動的で予測不能な頭部運動の存在下では顕著である。
本稿では,異なるセンサ位置をまたいだドメインに依存しない特徴を抽出するドメイン適応システムであるEarDAを提案する。
ヒューマンアクティビティ認識タスクでは88.8%の精度を達成し、ドメイン適応のないメソッドよりも43%改善した。
論文 参考訳（メタデータ） (2024-06-18T12:13:43Z) - Sensor Data Augmentation from Skeleton Pose Sequences for Improving Human Activity Recognition [5.669438716143601]
HAR(Human Activity Recognition)は、ディープラーニングの普及に大きく貢献していない。
本稿では,センサをベースとしたウェアラブル型HARに対して,ポーズ・ツー・センサ・ネットワークモデルを導入することにより,新たなアプローチを提案する。
コントリビューションには、同時トレーニングの統合、直接ポーズ・ツー・センサ生成、MM-Fitデータセットの包括的な評価が含まれる。
論文 参考訳（メタデータ） (2024-04-25T10:13:18Z) - Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient Kernels [57.46832672991433]
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,効率的な後部推論と関数推定のための予測伝搬予測最大化アルゴリズムを開発した。
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) - Unsupervised Statistical Feature-Guided Diffusion Model for Sensor-based Human Activity Recognition [3.2319909486685354]
ウェアラブルセンサーによる人間の活動認識の進歩を支えている重要な問題は、多様なラベル付きトレーニングデータの利用不可能である。
本研究では,ウェアラブルセンサを用いた人間行動認識に特化して最適化された,教師なしの統計的特徴誘導拡散モデルを提案する。
平均,標準偏差,Zスコア,歪などの統計情報に拡散モデルを適用し,多種多様な合成センサデータを生成する。
論文 参考訳（メタデータ） (2023-05-30T15:12:59Z) - 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) - Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。
ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
論文 参考訳（メタデータ） (2021-03-08T10:56:38Z) - 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。