論文の概要: Complex Daily Activities, Country-Level Diversity, and Smartphone
Sensing: A Study in Denmark, Italy, Mongolia, Paraguay, and UK
- arxiv url: http://arxiv.org/abs/2302.08591v1
- Date: Thu, 16 Feb 2023 21:34:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-20 16:34:26.782462
- Title: Complex Daily Activities, Country-Level Diversity, and Smartphone
Sensing: A Study in Denmark, Italy, Mongolia, Paraguay, and UK
- Title（参考訳）: 複雑な日常活動、地域レベルの多様性、スマートフォンセンシング:デンマーク、イタリア、モンゴル、パラグアイ、イギリスにおける研究
- Authors: Karim Assi, Lakmal Meegahapola, William Droz, Peter Kun, Amalia de
Gotzen, Miriam Bidoglia, Sally Stares, George Gaskell, Altangerel Chagnaa,
Amarsanaa Ganbold, Tsolmon Zundui, Carlo Caprini, Daniele Miorandi, Alethia
Hume, Jose Luis Zarza, Luca Cernuzzi, Ivano Bison, Marcelo Dario Rodas
Britez, Matteo Busso, Ronald Chenu-Abente, Fausto Giunchiglia, Daniel
Gatica-Perez
- Abstract要約: スマートフォンは、人々の日常生活を支援するために、行動認識による人間の行動を理解することができる。
人々は、リモート/ハイブリッドワーク/スタディ設定の頻度で、ポストパンデミックな世界でより鎮静的です。
5か国637人の大学生のスマートフォンデータと216万件の自己申告データを分析した。
- 参考スコア（独自算出の注目度）: 6.52702503779308
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smartphones enable understanding human behavior with activity recognition to
support people's daily lives. Prior studies focused on using inertial sensors
to detect simple activities (sitting, walking, running, etc.) and were mostly
conducted in homogeneous populations within a country. However, people are more
sedentary in the post-pandemic world with the prevalence of remote/hybrid
work/study settings, making detecting simple activities less meaningful for
context-aware applications. Hence, the understanding of (i) how multimodal
smartphone sensors and machine learning models could be used to detect complex
daily activities that can better inform about people's daily lives and (ii) how
models generalize to unseen countries, is limited. We analyzed in-the-wild
smartphone data and over 216K self-reports from 637 college students in five
countries (Italy, Mongolia, UK, Denmark, Paraguay). Then, we defined a 12-class
complex daily activity recognition task and evaluated the performance with
different approaches. We found that even though the generic multi-country
approach provided an AUROC of 0.70, the country-specific approach performed
better with AUROC scores in [0.79-0.89]. We believe that research along the
lines of diversity awareness is fundamental for advancing human behavior
understanding through smartphones and machine learning, for more real-world
utility across countries.
- Abstract（参考訳）: スマートフォンは、人々の日常生活を支援するアクティビティ認識によって人間の行動を理解することができる。
以前の研究は慣性センサーを使って単純な活動(シッティング、ウォーキング、ランニングなど)を検知することに集中しており、主に国内の均質な人口で実施された。
しかし、人々は、リモート/ハイブリッドワーク/スタディ設定の頻度が高く、ポストパンデミックの世界ではより鎮静的であり、コンテキスト対応アプリケーションでは、単純なアクティビティの検出が意味をなさない。
したがって、理解すること
i)マルチモーダルスマートフォンセンサと機械学習モデルを用いて、人々の日常生活をよりよく知ることができる複雑な日常活動を検出する方法。
(II) モデルが目に見えない国に一般化する方法は限られている。
5か国(イタリア、モンゴル、イギリス、デンマーク、パラグアイ)の637人の大学生のスマートフォンデータと216万以上の自己報告を分析した。
そして,12クラス複雑な日常活動認識タスクを定義し,異なるアプローチによる評価を行った。
総合的多国間アプローチはAUROCが0.70であったにもかかわらず,[0.79-0.89]のAUROCスコアでは国別アプローチが良好であった。
私たちは、多様性認識のラインに沿った研究は、スマートフォンと機械学習を通じて人間の行動理解を前進させ、各国でより現実世界のユーティリティを実現するための基礎であると信じています。
関連論文リスト
- RH20T: A Comprehensive Robotic Dataset for Learning Diverse Skills in
One-Shot [56.130215236125224]
オープンドメインでのロボット操作における重要な課題は、ロボットの多様性と一般化可能なスキルの獲得方法である。
単発模倣学習の最近の研究は、訓練されたポリシーを実証に基づく新しいタスクに移行する可能性を示唆している。
本稿では,エージェントがマルチモーダルな知覚で数百の現実世界のスキルを一般化する可能性を解き放つことを目的とする。
論文 参考訳（メタデータ） (2023-07-02T15:33:31Z) - Learning About Social Context from Smartphone Data: Generalization
Across Countries and Daily Life Moments [5.764112063319108]
5か国581人の若者から収集した216万件以上の自己申告データを用いて,新しい,大規模,マルチモーダルなスマートフォンセンシングデータセットを使用した。
いくつかのセンサは社会的文脈に影響を与えており、部分的にパーソナライズされたマルチカントリーモデル(すべての国からのデータでトレーニングおよびテスト)と国固有のモデル(国内でトレーニングおよびテスト)は、90%のAUC以上で同様のパフォーマンスを達成することができる。
これらの結果は、異なる国における社会的文脈推論モデルをよりよく理解するために、モバイルデータの多様性の重要性を裏付けるものである。
論文 参考訳（メタデータ） (2023-06-01T17:20:56Z) - Understanding the Social Context of Eating with Multimodal Smartphone
Sensing: The Role of Country Diversity [5.764112063319108]
本研究は,8カ国678人の大学生を対象に,約24Kの自己申告データを収集した。
分析の結果,食事イベントにおけるスマートフォンの利用状況は各国で類似しているが,各国に特有の傾向がみられた。
論文 参考訳（メタデータ） (2023-06-01T14:16:59Z) - Your Day in Your Pocket: Complex Activity Recognition from Smartphone
Accelerometers [7.335712499936904]
本稿では,スマートフォン加速度計データのみを用いた複雑な活動の認識について検討する。
パンデミックの間、私たちは5カ国600人以上のユーザーから収集された大規模なスマートフォンセンシングデータセットを使用しました。
ディープラーニングに基づく8つの複雑なアクティビティのバイナリ分類は、AUROCスコアが部分的にパーソナライズされたモデルで最大0.76に達することで達成できる。
論文 参考訳（メタデータ） (2023-01-17T16:22:30Z) - HAKE: A Knowledge Engine Foundation for Human Activity Understanding [65.24064718649046]
人間の活動理解は人工知能に広く興味を持ち、医療や行動分析といった多様な応用にまたがっている。
本稿では,この課題を2段階にまとめた新しいパラダイムを提案する。まず,原子活動プリミティブを対象とする中間空間に画素をマッピングし,解釈可能な論理規則で検出されたプリミティブをプログラムして意味論を推論する。
我々のフレームワークであるHAKE(Human Activity Knowledge Engine)は、挑戦的なベンチマークよりも優れた一般化能力と性能を示す。
論文 参考訳（メタデータ） (2022-02-14T16:38:31Z) - Physical Activity Recognition by Utilising Smartphone Sensor Signals [0.0]
本研究では,現代のスマートフォンでジャイロスコープと加速度センサによって記録された計6つの活動に対して,60人の被験者から2日間にわたる人的活動データを収集した。
提案手法は,4つの活動の識別において,98%の分類精度を達成した。
論文 参考訳（メタデータ） (2022-01-20T09:58:52Z) - BEHAVIOR: Benchmark for Everyday Household Activities in Virtual,
Interactive, and Ecological Environments [70.18430114842094]
本稿では,シミュレーションにおける100のアクティビティを持つAIのベンチマークであるBEHAVIORを紹介する。
これらの活動は現実的で多様性があり、複雑であるように設計されています。
われわれは、バーチャルリアリティー(VR)における500件の人間デモを含む。
論文 参考訳（メタデータ） (2021-08-06T23:36:23Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - HHAR-net: Hierarchical Human Activity Recognition using Neural Networks [2.4530909757679633]
本研究では,人間の行動を認識するためにニューラルネットワークを用いた階層型分類を構築することを目的とする。
このデータセットは、野生で収集され、スマートフォンやスマートウォッチからのデータを含んでいる。
論文 参考訳（メタデータ） (2020-10-28T17:06:42Z) - Hierarchical Affordance Discovery using Intrinsic Motivation [69.9674326582747]
本研究では,移動ロボットの価格学習を支援するために,本質的なモチベーションを用いたアルゴリズムを提案する。
このアルゴリズムは、事前にプログラムされたアクションなしで、相互に関連のある価格を自律的に発見し、学習し、適応することができる。
一度学習すると、これらの余裕はアルゴリズムによって様々な困難を伴うタスクを実行するために一連のアクションを計画するために使われる。
論文 参考訳（メタデータ） (2020-09-23T07:18:21Z) - LEMMA: A Multi-view Dataset for Learning Multi-agent Multi-task
Activities [119.88381048477854]
LEMMAデータセットを導入し、細心の注意深い設定で、行方不明な次元に対処するための単一の家を提供する。
我々は、人間と物体の相互作用による原子間相互作用を密に注釈し、日常の活動の構成性、スケジューリング、割り当ての土台として提供する。
この取り組みにより、マシンビジョンコミュニティは、目標指向の人間活動を調べ、現実世界におけるタスクのスケジューリングと割り当てをさらに研究できることを期待します。
論文 参考訳（メタデータ） (2020-07-31T00:13:54Z)
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。