論文の概要: Game Theory Solutions in Sensor-Based Human Activity Recognition: A Review

• arxiv url: http://arxiv.org/abs/2311.06311v1
• Date: Thu, 9 Nov 2023 19:10:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 19:10:45.181968
• Title: Game Theory Solutions in Sensor-Based Human Activity Recognition: A Review
• Title（参考訳）: センサを用いた人間行動認識におけるゲーム理論の解法
• Authors: Mohammad Hossein Shayesteh, Behrooz Sharokhzadeh, and Behrooz Masoumi
• Abstract要約: ヒューマンアクティビティ認識(HAR)タスクは、センサーデータを使用して人間のアクティビティを自動的に識別する。 ゲーム理論は、HARを含む機械学習問題におけるこれらの課題に対処するための有望なソリューションとして登場した。 本稿では,HARタスクの解法としてのゲーム理論の可能性について検討し,HAR問題に対する新たなゲーム理論アプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.9831489366502302
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The Human Activity Recognition (HAR) tasks automatically identify human activities using the sensor data, which has numerous applications in healthcare, sports, security, and human-computer interaction. Despite significant advances in HAR, critical challenges still exist. Game theory has emerged as a promising solution to address these challenges in machine learning problems including HAR. However, there is a lack of research work on applying game theory solutions to the HAR problems. This review paper explores the potential of game theory as a solution for HAR tasks, and bridges the gap between game theory and HAR research work by suggesting novel game-theoretic approaches for HAR problems. The contributions of this work include exploring how game theory can improve the accuracy and robustness of HAR models, investigating how game-theoretic concepts can optimize recognition algorithms, and discussing the game-theoretic approaches against the existing HAR methods. The objective is to provide insights into the potential of game theory as a solution for sensor-based HAR, and contribute to develop a more accurate and efficient recognition system in the future research directions.
• Abstract（参考訳）: ヒューマンアクティビティ認識(HAR)タスクは、医療、スポーツ、セキュリティ、人間とコンピュータのインタラクションに多くの応用があるセンサーデータを使用して、人間のアクティビティを自動的に識別する。 HARの大幅な進歩にもかかわらず、重要な課題が残っている。 ゲーム理論は、HARを含む機械学習問題におけるこれらの課題に対処するための有望なソリューションとして登場した。 しかし、har問題にゲーム理論の解を適用する研究が不足している。 本稿では,HAR課題の解法としてのゲーム理論の可能性について検討し,HAR問題に対する新たなゲーム理論アプローチを提案することにより,ゲーム理論とHAR研究のギャップを埋める。 この研究の貢献には、ゲーム理論がHARモデルの精度と堅牢性を改善する方法、ゲーム理論の概念が認識アルゴリズムを最適化する方法、ゲーム理論の既存のHAR手法に対するアプローチについて議論することが含まれる。 本研究の目的は,センサベースHARのソリューションとしてのゲーム理論の可能性に関する洞察を提供することであり,今後の研究方向において,より正確かつ効率的な認識システムの開発に寄与することである。

関連論文リスト

• Using Agile Story Points and Game Theory Together: Better Software Planning and Development in Agile Software Development [0.0]
  この研究は、アジャイルソフトウェア開発、ストーリーポイント推定、ゲーム理論の主な概念を統合します。 本稿では,ゲーム理論の応用,特にVickrey AuctionとStag Hunt Gameを提案する。
  論文  参考訳（メタデータ） (2024-08-30T18:32:14Z)
• Offline Imitation Learning Through Graph Search and Retrieval [57.57306578140857]
  模倣学習は、ロボットが操作スキルを取得するための強力な機械学習アルゴリズムである。 本稿では,グラフ検索と検索により,最適下実験から学習する,シンプルで効果的なアルゴリズムGSRを提案する。 GSRは、ベースラインに比べて10%から30%高い成功率、30%以上の熟練を達成できる。
  論文  参考訳（メタデータ） (2024-07-22T06:12:21Z)
• DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
  本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。 8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。 従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
  論文  参考訳（メタデータ） (2024-06-10T20:08:44Z)
• Transfer Learning in Human Activity Recognition: A Survey [0.13029741239874087]
  センサベースのヒューマンアクティビティ認識(HAR)は、スマート環境、生活支援、フィットネス、ヘルスケアなどへの応用により、活発な研究領域となっている。 近年,ディープラーニングに基づくエンドツーエンドトレーニングにより,コンピュータビジョンや自然言語といった領域における最先端のパフォーマンスが向上している。 我々は、スマートホームとウェアラブルベースのHARのアプリケーション領域におけるこれらの伝達学習手法に焦点をあてる。
  論文  参考訳（メタデータ） (2024-01-18T18:12:35Z)
• Responsible AI (RAI) Games and Ensembles [30.110052769733247]
  本稿では,Responsible AI(RAI)ゲーム(Responsible AI)と呼ばれる問題を研究するための一般的なフレームワークを提供する。 a)ゲームプレイベースアルゴリズムと(b)ステージワイズ推定アルゴリズムの2つのクラスを提供する。 我々は、いくつかのRAI問題、特にサブポピュレーションシフトに関して、我々の技術の適用性と競争性能を実証的に実証した。
  論文  参考訳（メタデータ） (2023-10-28T22:17:30Z)
• Overview of Human Activity Recognition Using Sensor Data [4.941233729756897]
  ヒューマンアクティビティ認識(HAR)は、ホームや職場の自動化、セキュリティ、監視、医療など、さまざまな用途で使用されている。 センサベースHARの概要を概説し、HARに依存したいくつかの重要な応用について論じ、HARで使われている最も一般的な機械学習手法を強調した。 HARの堅牢性をさらに向上するために、HARのいくつかの課題について検討する。
  論文  参考訳（メタデータ） (2023-09-12T10:37:42Z)
• Efficient Deep Clustering of Human Activities and How to Improve Evaluation [53.08810276824894]
  我々は,ヒト活動の再コーグ・ニオン(HAR)のための新しい深層クラスタリングモデルを提案する。 本稿では,HARクラスタリングモデルがどのように評価されるかという,いくつかの異なる問題を取り上げる。 次に、これらの問題に対する解決策について議論し、将来の深層HARクラスタリングモデルに対する標準評価設定を提案する。
  論文  参考訳（メタデータ） (2022-09-17T14:12:42Z)
• Towards Informed Design and Validation Assistance in Computer Games Using Imitation Learning [65.12226891589592]
  本稿では,自動ゲーム検証とテストのための新しいアプローチを提案する。 本手法は,データ駆動型模倣学習技術を活用し,時間と労力をほとんど必要とせず,機械学習やプログラミングの知識も必要としない。
  論文  参考訳（メタデータ） (2022-08-15T11:08:44Z)
• Continual Learning in Sensor-based Human Activity Recognition: an Empirical Benchmark Analysis [4.686889458553123]
  センサーベースのヒューマンアクティビティ認識(HAR)は、スマートホーム、パーソナルヘルスケア、都市計画における多くの現実世界のアプリケーションのための重要なイネーブラーです。 HARシステムは、ゼロから再設計することなく、長期間にわたって新しいアクティビティを自律的に学習できますか? この問題は連続学習と呼ばれ、コンピュータビジョンの分野で特に人気があります。
  論文  参考訳（メタデータ） (2021-04-19T15:38:22Z)
• Survey on the Analysis and Modeling of Visual Kinship: A Decade in the Making [66.72253432908693]
  親和性認識は多くの実践的応用において難しい問題である。 我々は、多くの人にその見解を刺激した公開リソースとデータ課題についてレビューする。 10周年記念には、さまざまなkinベースのタスクのためのデモコードが用意されている。
  論文  参考訳（メタデータ） (2020-06-29T13:25:45Z)
• Deep Learning for Sensor-based Human Activity Recognition: Overview, Challenges and Opportunities [52.59080024266596]
  本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。 まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。 次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
  論文  参考訳（メタデータ） (2020-01-21T09:55:59Z)

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。