論文の概要: The online learning architecture with edge computing for high-level control for assisting patients

• arxiv url: http://arxiv.org/abs/2309.05130v1
• Date: Sun, 10 Sep 2023 20:30:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-12 14:27:47.768863
• Title: The online learning architecture with edge computing for high-level control for assisting patients
• Title（参考訳）: エッジコンピューティングを用いた高レベル患者支援のためのオンライン学習アーキテクチャ
• Authors: Yue Shi, Yihui Zhao
• Abstract要約: 脊髄損傷、脳卒中、変性疾患などの疾患による移動障害の頻度は世界中で上昇している。 下肢のエキソ骨格は、このような障害のある個人に対する移動性とリハビリテーションを強化するための有効な解決策として、ますます認識されている。 既存のエクソスケルトン制御システムは、レイテンシ、適応性の欠如、計算不効率といった制限に悩まされることが多い。 本稿では,高レベル低域外骨格制御のためのエッジコンピューティングと統合された新しいオンライン対角学習アーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 3.1084001733555584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The prevalence of mobility impairments due to conditions such as spinal cord injuries, strokes, and degenerative diseases is on the rise globally. Lower-limb exoskeletons have been increasingly recognized as a viable solution for enhancing mobility and rehabilitation for individuals with such impairments. However, existing exoskeleton control systems often suffer from limitations such as latency, lack of adaptability, and computational inefficiency. To address these challenges, this paper introduces a novel online adversarial learning architecture integrated with edge computing for high-level lower-limb exoskeleton control. In the proposed architecture, sensor data from the user is processed in real-time through edge computing nodes, which then interact with an online adversarial learning model. This model adapts to the user's specific needs and controls the exoskeleton with minimal latency. Experimental evaluations demonstrate significant improvements in control accuracy and adaptability, as well as enhanced quality-of-service (QoS) metrics. These findings indicate that the integration of online adversarial learning with edge computing offers a robust and efficient approach for the next generation of lower-limb exoskeleton control systems.
• Abstract（参考訳）: 脊髄損傷、脳卒中、変性疾患などの疾患による移動障害の頻度は世界中で上昇している。 下肢のエキソ骨格は、このような障害のある個人に対する移動性とリハビリテーションを強化するための有効な解決策として、ますます認識されている。 しかしながら、既存のエクソスケルトン制御システムは、レイテンシ、適応性の欠如、計算の非効率といった制限に苦しむことが多い。 これらの課題に対処するために,高レベル低域外骨格制御のためのエッジコンピューティングと統合された新しいオンライン逆学習アーキテクチャを提案する。 提案アーキテクチャでは,ユーザからのセンサデータをエッジコンピューティングノードを介してリアルタイムに処理し,オンラインの対角学習モデルと対話する。 このモデルは、ユーザの特定のニーズに適応し、最小レイテンシでExoskeletonを制御する。 実験的評価では、制御精度と適応性、およびQoS(Quality-of-Service)メトリクスが大幅に改善されている。 これらの結果から,オンライン対人学習とエッジコンピューティングの統合は,次世代の低域外骨格制御システムにおいて,堅牢かつ効率的なアプローチをもたらすことが示唆された。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Computer-Aided Fall Recognition Using a Three-Stream Spatial-Temporal GCN Model with Adaptive Feature Aggregation [0.5235143203977018]
  転倒予防は現代医療において特に高齢者にとって最重要である。 高齢者の生活を救うためには,コンピュータ支援による転倒検知システムが不可欠である。 本稿では,3流時空間特徴量に基づく転倒検出システムを提案する。
  論文  参考訳（メタデータ） (2024-08-22T08:40:04Z)
• L-SFAN: Lightweight Spatially-focused Attention Network for Pain Behavior Detection [44.016805074560295]
  慢性的な腰痛 (CLBP) は世界中の何百万もの患者を悩ませており、個人の健康や医療システムに対する経済的負担に大きな影響を及ぼす。 人工知能(AI)とディープラーニングは、リハビリ戦略を改善するために痛みに関連する行動を分析するための有望な道を提供するが、畳み込みニューラルネットワーク(CNN)を含む現在のモデルには限界がある。 我々は、モーションキャプチャーと表面筋電図センサからデータの空間的時間的相互作用をキャプチャする2Dフィルタを組み込んだ軽量CNNアーキテクチャであるhbox EmoL-SFANを紹介する。
  論文  参考訳（メタデータ） (2024-06-07T12:01:37Z)
• Enhancing Joint Motion Prediction for Individuals with Limb Loss Through Model Reprogramming [0.0]
  手足の喪失による運動障害は、世界中の何百万人もの個人が直面している重要な課題である。 人工装具などの高度な補助技術の開発は、切断者の生活の質を大幅に向上させる可能性がある。 このような技術の設計において重要な要素は、行方不明肢の基準関節運動の正確な予測である。
  論文  参考訳（メタデータ） (2024-03-11T10:10:45Z)
• Incorporating Neuro-Inspired Adaptability for Continual Learning in Artificial Intelligence [59.11038175596807]
  継続的な学習は、現実世界に強い適応性を持つ人工知能を強化することを目的としている。 既存の進歩は主に、破滅的な忘れを克服するために記憶安定性を維持することに焦点を当てている。 本稿では,学習の可塑性を改善するため,パラメータ分布の古い記憶を適切に減衰させる汎用的手法を提案する。
  論文  参考訳（メタデータ） (2023-08-29T02:43:58Z)
• Online Learning of Wheel Odometry Correction for Mobile Robots with Attention-based Neural Network [63.8376359764052]
  現代のロボットプラットフォームは、人間の横で毎日運用するために、信頼性の高いローカライゼーションシステムを必要としている。 フィルタされた車輪と慣性オドメトリーに基づく単純なポーズ推定アルゴリズムは、急激なキネマティックな変化とホイールスリップの存在下で失敗することが多い。 本稿では,車輪形状補正のための革新的なオンライン学習手法を提案し,ロバストなマルチソースローカライゼーションシステムを提案する。
  論文  参考訳（メタデータ） (2023-03-21T10:30:31Z)
• Real-time Neural-MPC: Deep Learning Model Predictive Control for Quadrotors and Agile Robotic Platforms [59.03426963238452]
  モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。 ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-03-15T09:38:15Z)
• Reducing Catastrophic Forgetting in Self Organizing Maps with Internally-Induced Generative Replay [67.50637511633212]
  生涯学習エージェントは、パターン知覚データの無限のストリームから継続的に学習することができる。 適応するエージェントを構築する上での歴史的難しさの1つは、ニューラルネットワークが新しいサンプルから学ぶ際に、以前取得した知識を維持するのに苦労していることである。 この問題は破滅的な忘れ(干渉)と呼ばれ、今日の機械学習の領域では未解決の問題のままである。
  論文  参考訳（メタデータ） (2021-12-09T07:11:14Z)
• A Modulation Layer to Increase Neural Network Robustness Against Data Quality Issues [22.62510395932645]
  データ不足と品質は機械学習における一般的な問題であり、特に医療などの高度なアプリケーションにおいて問題となる。 本稿では、低品質データと欠落データの影響を軽減するために、ニューラルネットワークの新たな修正を提案する。 この結果から, 情報品質の低減を全接続層で明示的に考慮することにより, リアルタイムアプリケーションへの人工知能システムの展開が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-19T01:29:16Z)
• An adaptive cognitive sensor node for ECG monitoring in the Internet of Medical Things [0.7646713951724011]
  インターネット・オブ・メディカル・モノズ(IoMT)パラダイムは、複数の臨床試験や医療処置で主流になりつつある。 本研究では,資源制約型コンピューティングプラットフォームにおける認知データ解析アルゴリズムの実装について検討する。 コンボリューションニューラルネットワークを用いて心電図のトレースを分類する手法について検討した。
  論文  参考訳（メタデータ） (2021-06-11T16:49:10Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)

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。