論文の概要: An Intelligent Edge-Deployable Indoor Air Quality Monitoring and
Activity Recognition Approach
- arxiv url: http://arxiv.org/abs/2311.03920v1
- Date: Tue, 7 Nov 2023 11:58:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 15:48:41.132671
- Title: An Intelligent Edge-Deployable Indoor Air Quality Monitoring and
Activity Recognition Approach
- Title(参考訳): インテリジェントエッジ展開型室内空気質モニタリングと活動認識アプローチ
- Authors: Mohamed Rafik Aymene Berkani, Ammar Chouchane, Yassine Himeur,
Abdelmalik Ouamane and Abbes Amira
- Abstract要約: 本稿では,室内環境における空気質のモニタリングと分類を行うインテリジェントシステムについて紹介する。
本システムは6つの多様なセンサを統合して測定パラメータを収集し,その後,活動認識のための1次元CNNモデルを訓練する。
- 参考スコア(独自算出の注目度): 3.4489794208855473
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The surveillance of indoor air quality is paramount for ensuring
environmental safety, a task made increasingly viable due to advancements in
technology and the application of artificial intelligence and deep learning
(DL) tools. This paper introduces an intelligent system dedicated to monitoring
air quality and categorizing activities within indoor environments using a DL
approach based on 1D Convolutional Neural Networks (1D-CNNs). Our system
integrates six diverse sensors to gather measurement parameters, which
subsequently train a 1D CNN model for activity recognition. This proposed model
boasts a lightweight and edge-deployable design, rendering it ideal for
real-time applications. We conducted our experiments utilizing an air quality
dataset specifically designed for Activity of Daily Living (ADL)
classification. The results illustrate the proposed model's efficacy, achieving
a remarkable accuracy of 97.00%, a minimal loss value of 0.15%, and a swift
prediction time of 41 milliseconds.
- Abstract(参考訳): 室内空気質の監視は環境安全性の確保に最重要であり、テクノロジーの進歩と人工知能とディープラーニング(dl)ツールの応用により、その課題はますます実現されていった。
本稿では,1次元畳み込みニューラルネットワーク(1D-CNN)に基づくDLアプローチを用いて,室内環境における空気質の監視と分類を行うインテリジェントシステムを提案する。
本システムでは,6種類のセンサを統合して測定パラメータを収集し,活動認識のための1次元cnnモデルを学習する。
提案したモデルは軽量でエッジデプロイ可能な設計で、リアルタイムアプリケーションに最適である。
生活行動(ADL)分類に特化して設計された空気質データセットを用いて実験を行った。
その結果,提案モデルの有効性が示され,97.00%の精度,0.15%の損失最小値,41ミリ秒の迅速な予測が可能となった。
関連論文リスト
- Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳(メタデータ) (2023-11-21T19:49:13Z) - Environment-independent mmWave Fall Detection with Interacting Multiple
Model [1.9358739203360094]
mmWave radarは、プライバシー保護と非接触性のための有望な候補技術である。
FADEは現実のシナリオにおいて精度と堅牢性を高めた実用的な落下検知レーダーシステムである。
論文 参考訳(メタデータ) (2023-11-15T07:49:46Z) - VAPOR: Legged Robot Navigation in Outdoor Vegetation Using Offline
Reinforcement Learning [53.13393315664145]
本研究では,非構造で密集した屋外環境における自律脚ロボットナビゲーションのための新しい手法であるVAPORを提案する。
本手法は,アクター・クリティカル・ネットワークと実際の屋外植生で収集された任意のデータを用いて,新しいRLポリシーを訓練する。
VAPORの動作は成功率を最大40%向上させ、平均電流消費量を最大2.9%削減し、正規化軌道長を最大11.2%削減する。
論文 参考訳(メタデータ) (2023-09-14T16:21:27Z) - Hybrid Transformer-RNN Architecture for Household Occupancy Detection
Using Low-Resolution Smart Meter Data [8.486902848941872]
エネルギーシステムのデジタル化は、非侵襲的な方法で占有検知に使用できるスマートメーターデータを提供する。
ディープラーニング技術により、低解像度のスマートメーターデータから占有率を推定できる。
本研究は, 住宅の占有状況を検出するための, プライバシ意識と効果的なモデルを開発することを目的としている。
論文 参考訳(メタデータ) (2023-08-27T14:13:29Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳(メタデータ) (2023-08-14T16:48:57Z) - Development, Optimization, and Deployment of Thermal Forward Vision
Systems for Advance Vehicular Applications on Edge Devices [0.3058685580689604]
我々は、エンドツーエンドのYOLO深層学習フレームワークを用いたスマートフォワードセンシングシステムとして、熱的小型YOLO多クラスオブジェクト検出(TTYMOD)システムを提案する。
このシステムは大規模な熱機関で訓練され、35,000以上の異なる熱フレームからなる新たなオープンソースデータセットが新たに集められている。
温度調整されたナノネットワークの有効性を、平均精度、秒間フレーム、平均推定時間を含む様々な定性的指標を用いて定量化する。
論文 参考訳(メタデータ) (2023-01-18T15:45:33Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳(メタデータ) (2022-03-11T02:37:35Z) - Few-shot Quality-Diversity Optimization [50.337225556491774]
品質多様性(QD)の最適化は、強化学習における知覚的最小値とスパース報酬を扱う上で効果的なツールであることが示されている。
本稿では,タスク分布の例から,パラメータ空間の最適化によって得られる経路の情報を利用して,未知の環境でQD手法を初期化する場合,数発の適応が可能であることを示す。
ロボット操作とナビゲーションベンチマークを用いて、疎密な報酬設定と密集した報酬設定の両方で実施された実験は、これらの環境でのQD最適化に必要な世代数を著しく削減することを示している。
論文 参考訳(メタデータ) (2021-09-14T17:12:20Z) - Autonomous Deep Quality Monitoring in Streaming Environments [18.354025162625557]
本稿では,最近開発されたデータストリームのためのディープラーニングアルゴリズムであるNADINE++を用いて,オンライン品質モニタリング手法を提案する。
これは1次元と2次元の畳み込み層を統合し、我々のプロジェクトからセンサーや射出成形機のカメラから捉えた時系列と視覚データの流れの自然な特徴を抽出する。
実時間実験では, オンライン品質モニタリングタスクを, 実時間テスト-then-train方式でリアルタイムでシミュレートした。
論文 参考訳(メタデータ) (2021-06-26T06:47:41Z) - Single Run Action Detector over Video Stream -- A Privacy Preserving
Approach [13.247009439182769]
本稿では,リアルタイムなプライバシ保護行動検出装置であるSingle Run Action Detector(S-RAD)を提案する。
UCF-SportsとUR Fallデータセットの結果は、State-of-the-Artアプローチに匹敵する精度を示している。
論文 参考訳(メタデータ) (2021-02-05T19:27:38Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳(メタデータ) (2020-07-23T13:32:47Z)
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。