論文の概要: MyDigitalFootprint: an extensive context dataset for pervasive computing
applications at the edge
- arxiv url: http://arxiv.org/abs/2306.15990v1
- Date: Wed, 28 Jun 2023 07:59:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-29 15:15:36.571011
- Title: MyDigitalFootprint: an extensive context dataset for pervasive computing
applications at the edge
- Title（参考訳）: MyDigitalFootprint: エッジにおける分散コンピューティングアプリケーションのための広範なコンテキストデータセット
- Authors: Mattia Giovanni Campana, Franca Delmastro
- Abstract要約: MyDigitalFootprintは、スマートフォンセンサーデータ、物理的な近接情報、オンラインソーシャルネットワークのインタラクションを含む大規模なデータセットである。
自然環境における31人のボランティアユーザーによる2ヶ月の計測で、制限なしの行動を可能にする。
データセットの有効性を示すために,各種機械学習タスクを利用したコンテキスト認識3つのアプリケーションを提案する。
- 参考スコア（独自算出の注目度）: 7.310043452300736
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The widespread diffusion of connected smart devices has contributed to the
rapid expansion and evolution of the Internet at its edge. Personal mobile
devices interact with other smart objects in their surroundings, adapting
behavior based on rapidly changing user context. The ability of mobile devices
to process this data locally is crucial for quick adaptation. This can be
achieved through a single elaboration process integrated into user applications
or a middleware platform for context processing. However, the lack of public
datasets considering user context complexity in the mobile environment hinders
research progress. We introduce MyDigitalFootprint, a large-scale dataset
comprising smartphone sensor data, physical proximity information, and Online
Social Networks interactions. This dataset supports multimodal context
recognition and social relationship modeling. It spans two months of
measurements from 31 volunteer users in their natural environment, allowing for
unrestricted behavior. Existing public datasets focus on limited context data
for specific applications, while ours offers comprehensive information on the
user context in the mobile environment. To demonstrate the dataset's
effectiveness, we present three context-aware applications utilizing various
machine learning tasks: (i) a social link prediction algorithm based on
physical proximity data, (ii) daily-life activity recognition using
smartphone-embedded sensors data, and (iii) a pervasive context-aware
recommender system. Our dataset, with its heterogeneity of information, serves
as a valuable resource to validate new research in mobile and edge computing.
- Abstract（参考訳）: 接続されたスマートデバイスの広範な普及は、インターネットの最先端における急速な拡大と進化に寄与した。
パーソナルモバイルデバイスは周囲の他のスマートオブジェクトと対話し、急速に変化するユーザーコンテキストに基づいて行動に適応する。
このデータをローカルに処理するモバイルデバイスの能力は、迅速な適応には不可欠である。
これは、ユーザアプリケーションやコンテキスト処理用のミドルウェアプラットフォームに統合された単一の開発プロセスによって実現できます。
しかし、モバイル環境におけるユーザコンテキストの複雑さを考慮した公開データセットの欠如は、研究の進展を妨げる。
mydigitalfootprintは,スマートフォンのセンサデータ,物理的近接情報,オンラインソーシャルネットワークインタラクションからなる大規模データセットである。
このデータセットはマルチモーダルコンテキスト認識と社会的関係モデリングをサポートする。
自然環境における31人のボランティアユーザーによる2ヶ月の計測で、制限のない行動を可能にする。
既存の公開データセットは、特定のアプリケーションに対する限られたコンテキストデータに重点を置いています。
データセットの有効性を示すために,様々な機械学習タスクを活用した3つのコンテキスト認識アプリケーションを提案する。
(i)物理的近接データに基づくソーシャルリンク予測アルゴリズム
(ii)スマートフォン内蔵センサデータを用いた日常生活行動認識
(iii)広義の文脈認識推薦システム。
我々のデータセットは、その異質な情報と共に、モバイルおよびエッジコンピューティングにおける新しい研究を検証する貴重なリソースとして役立ちます。
関連論文リスト
- Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。
インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。
多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
論文 参考訳（メタデータ） (2024-02-28T00:22:42Z) - Lightweight Modeling of User Context Combining Physical and Virtual
Sensor Data [15.800978541993706]
本研究では,パーソナルモバイルデバイスから異質なセンサデータを含むデータセットを収集するフレームワークを提案する。
本稿では,ユーザコンテキストをモデル化し,推論プロセス全体を効率的に実行するための軽量なアプローチを提案する。
精度の低下を3%以下に抑えつつ、10倍のスピードアップと90%以上の機能低下を実現した。
論文 参考訳（メタデータ） (2023-06-28T08:57:01Z) - On-device modeling of user's social context and familiar places from
smartphone-embedded sensor data [7.310043452300736]
本稿では,ユーザの社会的状況や位置を直接モバイルデバイス上でモデル化する,教師なしで軽量なアプローチを提案する。
ソーシャルなコンテキストにおいて、このアプローチはユーザーとそのデバイス間の物理的およびサイバーなソーシャルインタラクションのデータを利用する。
提案手法の有効性は,実世界の5つのデータセットを用いた3つの実験によって実証された。
論文 参考訳（メタデータ） (2023-06-27T12:53:14Z) - Reconstructing human activities via coupling mobile phone data with
location-based social networks [20.303827107229445]
本稿では,携帯電話データと位置情報ソーシャルネットワーク(LBSN)データを結合することで,ユーザの行動を特定するためのデータ分析フレームワークを提案する。
我々は,10万人の携帯電話利用者の行動連鎖を再構築し,各活動タイプの時間的・空間的特徴を分析した。
論文 参考訳（メタデータ） (2023-06-06T06:37:14Z) - HabitatDyn Dataset: Dynamic Object Detection to Kinematics Estimation [16.36110033895749]
本稿では,合成RGBビデオ,セマンティックラベル,深度情報,および運動情報を含むデータセットHabitatDynを提案する。
HabitatDynは移動カメラを搭載した移動ロボットの視点で作られ、6種類の移動物体をさまざまな速度で撮影する30のシーンを含んでいる。
論文 参考訳（メタデータ） (2023-04-21T09:57:35Z) - Video-based Pose-Estimation Data as Source for Transfer Learning in
Human Activity Recognition [71.91734471596433]
オンボディデバイスを用いたヒューマンアクティビティ認識(HAR)は、制約のない環境での特定の人間の行動を特定する。
これまでの研究は、トランスファーラーニングが、少ないデータでシナリオに対処するための良い戦略であることを実証した。
本稿では,人為的位置推定を目的としたデータセットを伝達学習の情報源として用いることを提案する。
論文 参考訳（メタデータ） (2022-12-02T18:19:36Z) - On-device modeling of user's social context and familiar places from
smartphone-embedded sensor data [7.310043452300736]
ユーザの社会的文脈とその位置をモデル化するための,新しい,教師なし,軽量なアプローチを提案する。
ユーザとそのデバイス間の物理的およびサイバー的ソーシャルインタラクションに関連するデータを活用する。
日常の状況を認識するための3つの機械学習アルゴリズムの性能を示す。
論文 参考訳（メタデータ） (2022-05-18T08:32:26Z) - Named Entity Recognition for Social Media Texts with Semantic
Augmentation [70.44281443975554]
名前付きエンティティ認識のための既存のアプローチは、短いテキストと非公式テキストで実行される場合、データ空間の問題に悩まされる。
そこで我々は,NER によるソーシャルメディアテキストに対するニューラルベースアプローチを提案し,ローカルテキストと拡張セマンティクスの両方を考慮に入れた。
論文 参考訳（メタデータ） (2020-10-29T10:06:46Z) - Federated and continual learning for classification tasks in a society
of devices [59.45414406974091]
Light Federated and Continual Consensus (LFedCon2)は、軽量で伝統的な学習者を用いた新しいフェデレーションおよび継続アーキテクチャである。
我々の方法では、スマートフォンやロボットのような無力デバイスが、リアルタイムで、ローカルで、継続的に、自律的に、そしてユーザーから学習することができる。
提案手法をスマートフォン利用者の異種コミュニティに適用し,歩行認識の課題を解決した。
論文 参考訳（メタデータ） (2020-06-12T12:37:03Z) - Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and
On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。
正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。
我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文 参考訳（メタデータ） (2020-01-13T04:41:54Z)
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。