Fugu-MT 論文翻訳(概要): Recall-driven Precision Refinement: Unveiling Accurate Fall Detection using LSTM

論文の概要: Recall-driven Precision Refinement: Unveiling Accurate Fall Detection using LSTM

arxiv url: http://arxiv.org/abs/2309.07154v1
Date: Sat, 9 Sep 2023 20:17:39 GMT
ステータス: 処理完了
システム内更新日: 2023-09-17 13:40:56.141508
Title: Recall-driven Precision Refinement: Unveiling Accurate Fall Detection using LSTM
Title（参考訳）: リコール駆動精密リファインメント:LSTMによる高精度転倒検出
Authors: Rishabh Mondal and Prasun Ghosal
Abstract要約: 本稿では,高齢者の転倒事故に対するプレッシャー的懸念に対処するために,正確な転倒検知システムを開発することで,革新的なアプローチを提案する。提案システムは,加速度センサやジャイロセンサなどの最先端技術とディープラーニングモデル,特にLong Short-Term Memory(LSTM)ネットワークを組み合わせる。本稿では,LSTMモデルのアーキテクチャとパラメータを戦略的に微調整し,システムの性能を最適化するプルーニング手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents an innovative approach to address the pressing concern of fall incidents among the elderly by developing an accurate fall detection system. Our proposed system combines state-of-the-art technologies, including accelerometer and gyroscope sensors, with deep learning models, specifically Long Short-Term Memory (LSTM) networks. Real-time execution capabilities are achieved through the integration of Raspberry Pi hardware. We introduce pruning techniques that strategically fine-tune the LSTM model's architecture and parameters to optimize the system's performance. We prioritize recall over precision, aiming to accurately identify falls and minimize false negatives for timely intervention. Extensive experimentation and meticulous evaluation demonstrate remarkable performance metrics, emphasizing a high recall rate while maintaining a specificity of 96\%. Our research culminates in a state-of-the-art fall detection system that promptly sends notifications, ensuring vulnerable individuals receive timely assistance and improve their overall well-being. Applying LSTM models and incorporating pruning techniques represent a significant advancement in fall detection technology, offering an effective and reliable fall prevention and intervention solution.
Abstract（参考訳）: 本研究は,高齢者の転倒事故に対する注意を,転倒検出システムの構築によって解決するための革新的手法を提案する。提案システムは,加速度センサやジャイロセンサなどの最先端技術とディープラーニングモデル,特にLong Short-Term Memory(LSTM)ネットワークを組み合わせる。リアルタイム実行機能はraspberry piハードウェアの統合によって実現されている。我々はLSTMモデルのアーキテクチャとパラメータを戦略的に微調整してシステム性能を最適化するプルーニング手法を導入する。精度よりもリコールを優先し,転倒を正確に識別し,適切な介入のために偽陰性を最小限に抑えることを目的とした。広範囲な実験と細心の注意深い評価は優れた性能指標を示し、96\%の特異性を維持しながら高いリコール率を強調する。当社の研究は最先端の転倒検知システムで、即座に通知を送り、脆弱な個人がタイムリーに支援を受け、全体の幸福度を向上させる。 lstmモデルの適用と刈り取り技術の導入は転倒検出技術の大幅な進歩であり、効果的で信頼性の高い転倒予防および介入ソリューションを提供する。

関連論文リスト

REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。本モデルは,発作検出と分類作業において高い精度を示す。
論文参考訳（メタデータ） (2024-06-03T16:30:19Z)
FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文参考訳（メタデータ） (2024-03-26T08:51:23Z)
Fall Detection using Knowledge Distillation Based Long short-term memory for Offline Embedded and Low Power Devices [3.0259127718987155]
本稿では,知識蒸留によるLSTMモデルを用いた非意図的転倒検出のための低コストで低消費電力な手法を提案する。さまざまなセンサーから収集された時系列データを分析することを中心に、このソリューションはリアルタイム検出機能を提供する。
論文参考訳（メタデータ） (2023-08-24T00:49:07Z)
Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文参考訳（メタデータ） (2023-08-18T13:13:09Z)
Deep Learning-based Fall Detection Algorithm Using Ensemble Model of Coarse-fine CNN and GRU Networks [7.624051346741515]
本研究では,大小の畳み込みニューラルネットワークとゲートリカレントユニットを組み合わせたアンサンブルモデルを提案する。提案したモデルは、それぞれ92.54%、96.13%、94.26%のリコール、精度、Fスコアを達成する。
論文参考訳（メタデータ） (2023-04-13T08:30:46Z)
Reflective Fiber Faults Detection and Characterization Using Long-Short-Term Memory [0.0]
本研究では,長い短期記憶(LSTM)に基づく新たな学習モデルを提案し,繊維反射欠陥の反射率を検出し,検出し,推定する。実験の結果,提案手法は短時間で優れた検出能力と高精度な位置推定を実現することができた。
論文参考訳（メタデータ） (2022-03-19T08:45:45Z)
Federated Learning with Unreliable Clients: Performance Analysis and Mechanism Design [76.29738151117583]
Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
論文参考訳（メタデータ） (2021-05-10T08:02:27Z)
Deep Learning Based Signal Enhancement of Low-Resolution Accelerometer for Fall Detection Systems [10.632077083697853]
落下検出(FD)システムは、重要な落下イベントを自動的に検出し、すぐに医療専門家や介護者に警告します。 fdシステムの性能は低分解能(lr)加速度計信号により低下する。 LR-FDシステムの検出性能を改善するために,深層学習に基づく加速度計信号強調モデルを提案する。
論文参考訳（メタデータ） (2020-12-07T02:47:36Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)
SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
論文参考訳（メタデータ） (2020-07-26T12:32:38Z)
Deep Anomaly Detection for Time-series Data in Industrial IoT: A Communication-Efficient On-device Federated Learning Approach [40.992167455141946]
本稿では,IIoTにおける時系列データ検出のための,新しい通信効率の高いデバイス上でのフェデレーション学習(FL)に基づく深層異常検出フレームワークを提案する。まず、分散エッジデバイスが協調して異常検出モデルを訓練し、その一般化能力を向上させるためのFLフレームワークを導入する。次に,アテンションメカニズムに基づく畳み込みニューラルネットワーク-Long Short Term Memory (AMCNN-LSTM) モデルを提案し,異常を正確に検出する。第三に,提案したフレームワークを産業異常検出のタイムラインに適用するために,トップテキスト選択に基づく勾配圧縮機構を提案する。
論文参考訳（メタデータ） (2020-07-19T16:47:26Z)

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。