Fugu-MT 論文翻訳(概要): Cardiac Arrhythmia Detection using Artificial Neural Network

論文の概要: Cardiac Arrhythmia Detection using Artificial Neural Network

arxiv url: http://arxiv.org/abs/2304.08162v1
Date: Mon, 17 Apr 2023 11:20:11 GMT
ステータス: 処理完了
システム内更新日: 2023-04-18 15:35:55.667055
Title: Cardiac Arrhythmia Detection using Artificial Neural Network
Title（参考訳）: ニューラルネットワークを用いた心臓不整脈検出
Authors: Prof Sangeetha R G, Kishore Anand K, Sreevatsan B and Vishal Kumar A
Abstract要約: 本研究の目的は,携帯型心臓異常モニタリング装置の開発である。本稿では,Levenberg-Marquardt ANNアルゴリズムの汎用低消費電力ウェアラブルデバイスへの適用性について検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The prime purpose of this project is to develop a portable cardiac abnormality monitoring device which can drastically improvise the quality of the monitoring and the overall safety of the device. While a generic, low cost, wearable battery powered device for such applications may not yield sufficient performance, such devices combined with the capabilities of Artificial Neural Network algorithms can however, prove to be as competent as high end flexible and wearable monitoring devices fabricated using advanced manufacturing technologies. This paper evaluates the feasibility of the Levenberg-Marquardt ANN algorithm for use in any generic low power wearable devices implemented either as a pure real-time embedded system or as an IoT device capable of uploading the monitored readings to the cloud.
Abstract（参考訳）: 本研究の主目的は、監視の質と装置全体の安全性を大幅に向上する携帯型心臓異常監視装置を開発することである。このようなアプリケーションのための汎用的で低コストでウェアラブルなバッテリー駆動デバイスは十分な性能を得ることができないが、Artificial Neural Networkアルゴリズムの能力と組み合わせることで、高度な製造技術を用いて製造されたハイエンドなフレキシブルでウェアラブルな監視デバイスと同じくらいの能力を持つことが証明できる。本稿では、純粋なリアルタイム組み込みシステムや、監視対象の読み出しをクラウドにアップロード可能なIoTデバイスとして実装された汎用低消費電力ウェアラブルデバイスにおいて、Leeenberg-Marquardt ANNアルゴリズムの有効性を評価する。

関連論文リスト

Training-free image style alignment for self-adapting domain shift on handheld ultrasound devices [54.476120039032594]
本稿では,ハンドヘルドデバイスデータのスタイルを標準デバイスと整合させるための,トレーニングフリーなイメージスタイルアライメント(TISA)フレームワークを提案する。 TISAは、余分な訓練なしにハンドヘルドデバイスイメージを直接推測することができ、臨床応用に適している。
論文参考訳（メタデータ） (2024-02-17T07:15:23Z)
IoMT-Blockchain based Secured Remote Patient Monitoring Framework for Neuro-Stimulation Device [0.0]
患者からのリアルタイムの知覚データは、ウェアラブルIoMTデバイスの迅速な開発を通じて配信され、分析される。モノのインターネットからのデータは収集され、分析され、単一の場所に格納される。分散した性質のため、ブロックチェーン(BC)はこれらの問題を緩和することができる。
論文参考訳（メタデータ） (2023-08-31T16:59:58Z)
Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文参考訳（メタデータ） (2023-05-12T17:24:02Z)
Many-to-One Knowledge Distillation of Real-Time Epileptic Seizure Detection for Low-Power Wearable Internet of Things Systems [6.90334498220711]
低消費電力のウェアラブルIoTシステムと定期的な健康モニタリングを統合することは、現在進行中の課題である。ウェアラブルの計算能力の最近の進歩により、複数のバイオシグナーを利用する複雑なシナリオをターゲットにすることが可能になった。身体的に大きく、バイオシグナーをベースとしたウェアラブルは、患者にとって大きな不快感をもたらす。本稿では,IoTウェアラブルシステムにおける単一生体信号処理を対象とした多対一信号の知識蒸留手法を提案する。
論文参考訳（メタデータ） (2022-07-20T12:22:26Z)
Online Anomaly Detection Based On Reservoir Sampling and LOF for IoT devices [0.0]
マイクロコントローラ(MCU)の場合、これは単一のメガバイトのプログラムと数百キロバイトのワーキングメモリである。このようなアルゴリズムをデバイス上で直接トレーニングすることは可能であり、実際のデバイスでこのソリューションを利用する大きな可能性を秘めている。
論文参考訳（メタデータ） (2022-06-28T19:44:40Z)
FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
論文参考訳（メタデータ） (2022-01-18T13:59:22Z)
An adaptable cognitive microcontroller node for fitness activity recognition [0.0]
ウォブルボード(英: Wobble board)は、足首の怪我を避けるために、または怪我後のリハビリの一環として、感覚運動の訓練に使用できる安価な装置である。本研究では,ウルブルボードに適用可能な携帯型,電池駆動型マイクロコントローラデバイスを提案する。電力消費を減らすために,ハードウェアとソフトウェアの構成を動的に管理し,実行時に必要な動作モードに適応する適応層を追加する。
論文参考訳（メタデータ） (2022-01-13T18:06:38Z)
Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文参考訳（メタデータ） (2021-02-12T09:33:00Z)
Achieving Real-Time LiDAR 3D Object Detection on a Mobile Device [53.323878851563414]
本稿では,強化学習技術を用いたネットワーク拡張とpruning検索を組み込んだコンパイラ対応統一フレームワークを提案する。具体的には,リカレントニューラルネットワーク(RNN)を用いて,ネットワークの強化とプルーニングの両面での統一的なスキームを自動で提供する。提案手法は,モバイルデバイス上でのリアルタイム3次元物体検出を実現する。
論文参考訳（メタデータ） (2020-12-26T19:41:15Z)
Predictive Maintenance for Edge-Based Sensor Networks: A Deep Reinforcement Learning Approach [68.40429597811071]
未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
論文参考訳（メタデータ） (2020-07-07T10:00:32Z)
Convolutional-Recurrent Neural Networks on Low-Power Wearable Platforms for Cardiac Arrhythmia Detection [0.18459705687628122]
マイクロコントローラと低消費電力プロセッサで動作するニューラルネットワークの推論に焦点を当てる。心不整脈を検出・分類するために既存の畳み込みリカレントニューラルネットワークを適用した。メモリフットプリントは195.6KB、スループットは33.98MOps/sである。
論文参考訳（メタデータ） (2020-01-08T10:35:48Z)

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。