論文の概要: Walking fingerprinting

• arxiv url: http://arxiv.org/abs/2309.09897v1
• Date: Mon, 18 Sep 2023 16:02:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 12:30:43.691024
• Title: Walking fingerprinting
• Title（参考訳）: 歩行指紋
• Authors: Lily Koffman (1), Ciprian Crainiceanu (1), Andrew Leroux (2) ((1) Department of Biostatistics, Johns Hopkins Bloomberg School of Public Health (2) Department of Biostatistics and Bioinformatics, Colorado School of Public Health)
• Abstract要約: 歩行中に収集した加速度計データから個人の身元を予測する問題を考察する。 予測方法は2つのオープンソースデータセットで比較される。
• 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: We consider the problem of predicting an individual's identity from accelerometry data collected during walking. In a previous paper we introduced an approach that transforms the accelerometry time series into an image by constructing its complete empirical autocorrelation distribution. Predictors derived by partitioning this image into grid cells were used in logistic regression to predict individuals. Here we: (1) implement machine learning methods for prediction using the grid cell-derived predictors; (2) derive inferential methods to screen for the most predictive grid cells; and (3) develop a novel multivariate functional regression model that avoids partitioning of the predictor space into cells. Prediction methods are compared on two open source data sets: (1) accelerometry data collected from $32$ individuals walking on a $1.06$ kilometer path; and (2) accelerometry data collected from six repetitions of walking on a $20$ meter path on two separate occasions at least one week apart for $153$ study participants. In the $32$-individual study, all methods achieve at least $95$% rank-1 accuracy, while in the $153$-individual study, accuracy varies from $41$% to $98$%, depending on the method and prediction task. Methods provide insights into why some individuals are easier to predict than others.
• Abstract（参考訳）: 歩行中の加速度計測データから個体の同一性を予測する問題を考える。 前報では,加速度計の時系列を画像に変換する手法を提案し,その完全な自己相関分布を構築した。 この画像をグリッドセルに分割した予測器は、ロジスティック回帰で個人を予測するために用いられた。 ここでは,(1)格子細胞由来の予測器を用いた予測のための機械学習手法の実装,(2)最も予測可能な格子セルのスクリーニングのための推論手法の導出,(3)予測器空間のセルへの分割を回避する新しい多変量関数回帰モデルの開発を行う。 予測方法は2つのオープンソースのデータセットで比較される: (1)32ドルの個人から収集された加速度計のデータが1.06ドルの経路を歩いており、(2)2つの異なる機会に20ドルの経路を歩いた6回から収集された加速度計データは153ドルの参加者のために少なくとも1週間離れている。 332ドルの個人研究では、すべての方法が最低でも$95$%のランク-1精度を達成しているのに対し、153ドルの個人研究では、精度はメソッドと予測タスクによって411$%から$8$%に変化している。 メソッドは、ある個人が他の個人よりも容易に予測できる理由に関する洞察を提供する。

関連論文リスト

• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [55.861380125632344]
  我々は、選択的予測とアクティブな学習を橋渡しし、アクティブな選択予測と呼ばれる新しい学習パラダイムを提案する。 提案手法は,選択的予測と能動的学習における先行研究を著しく上回ることができる。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Conformal Prediction Regions for Time Series using Linear Complementarity Programming [25.094249285804224]
  本稿では,長期の地平面計画と検証を可能にするために,保守性を低減する最適化手法を提案する。 この問題を混合整数線形相補性プログラム (MILCP) としてキャストし, 線形相補性プログラム (LCP) に緩和することを示した。
  論文  参考訳（メタデータ） (2023-04-03T15:32:38Z)
• Project and Probe: Sample-Efficient Domain Adaptation by Interpolating Orthogonal Features [119.22672589020394]
  多様な特徴の集合を学習し,これらの特徴を補間することによって対象分布に適応する,軽量でサンプル効率のよい手法を提案する。 複数の分散シフト設定を持つ4つのデータセットに対する実験により、Pro$2$は、限られたターゲットデータが与えられた場合、パフォーマンスを5～15%向上することが示された。
  論文  参考訳（メタデータ） (2023-02-10T18:58:03Z)
• TransPath: Learning Heuristics For Grid-Based Pathfinding via Transformers [64.88759709443819]
  探索の効率を顕著に向上させると考えられる,インスタンス依存のプロキシを学習することを提案する。 私たちが最初に学ぶことを提案するプロキシは、補正係数、すなわち、インスタンスに依存しないコスト・ツー・ゴの見積もりと完璧な見積もりの比率である。 第2のプロキシはパス確率であり、グリッドセルが最も短いパスに横たわっている可能性を示している。
  論文  参考訳（メタデータ） (2022-12-22T14:26:11Z)
• Performance Assessment of different Machine Learning Algorithm for Life-Time Prediction of Solder Joints based on Synthetic Data [0.0]
  2つの機械学習アルゴリズムは、予測精度と必要なトレーニングデータ量に対して、トレーニングされ、比較される。 どちらのアプローチも、電子デバイス上での寿命予測を約束している。
  論文  参考訳（メタデータ） (2022-04-13T19:59:29Z)
• Conformal prediction for the design problem [72.14982816083297]
  機械学習の現実的な展開では、次にテストすべきデータを選択するために予測アルゴリズムを使用します。 このような設定では、トレーニングデータとテストデータの間には、異なるタイプの分散シフトがある。 このような環境で予測の不確実性を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-08T02:59:12Z)
• Datamodels: Predicting Predictions from Training Data [86.66720175866415]
  本稿では,モデルクラスの振る舞いを学習データの観点から分析するための概念的枠組みであるデータモデリングについて述べる。 単純な線形データモデルであっても、モデル出力をうまく予測できることが示される。
  論文  参考訳（メタデータ） (2022-02-01T18:15:24Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• A Machine Learning Framework for Automatic Prediction of Human Semen Motility [7.167550590287388]
  いくつかの回帰モデルは、与えられたサンプルにおいて進行性、非進行性、不動性精子の比率(0から100)を自動的に予測するように訓練されている。 線形サポートベクトル回帰器(SVR)、多層パーセプトロン(MLP)、畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)を含む4つの機械学習モデル。 Crocker-Grierアルゴリズムを用いて精子を教師なしの方法で追跡することにより、運動性を予測するための最良の結果が得られる。
  論文  参考訳（メタデータ） (2021-09-16T15:26:40Z)
• Median regression with differential privacy [11.440028296972734]
  第1のアルゴリズムは有限な滑らか化法に基づいており、第2のアルゴリズムは反復的な方法を提供し、最後のアルゴリズムはさらにグリーディ座標降下法を用いる。 これらのアルゴリズムの精度境界や収束特性も提供される。
  論文  参考訳（メタデータ） (2020-06-04T16:14:39Z)

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。