論文の概要: Machine Learning and Feature Ranking for Impact Fall Detection Event Using Multisensor Data

• arxiv url: http://arxiv.org/abs/2401.05407v1
• Date: Thu, 21 Dec 2023 01:05:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 08:33:57.956674
• Title: Machine Learning and Feature Ranking for Impact Fall Detection Event Using Multisensor Data
• Title（参考訳）: マルチセンサデータを用いた衝撃落下検出イベントのための機械学習と特徴ランキング
• Authors: Tresor Y. Koffi, Youssef Mourchid, Mohammed Hindawi and Yohan Dupuis
• Abstract要約: 我々は、マルチセンサUP-FALLデータセットから最も関連性の高い特徴を特定するために、特徴選択プロセスを採用している。 次に、インパクトモーメントの検出における各種機械学習モデルの効率性を評価する。 この結果から, 落下検出にマルチセンサデータを活用する能力を示すとともに, 衝突検出の精度向上を実現した。
• 参考スコア（独自算出の注目度）: 1.9731252964716424
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Falls among individuals, especially the elderly population, can lead to serious injuries and complications. Detecting impact moments within a fall event is crucial for providing timely assistance and minimizing the negative consequences. In this work, we aim to address this challenge by applying thorough preprocessing techniques to the multisensor dataset, the goal is to eliminate noise and improve data quality. Furthermore, we employ a feature selection process to identify the most relevant features derived from the multisensor UP-FALL dataset, which in turn will enhance the performance and efficiency of machine learning models. We then evaluate the efficiency of various machine learning models in detecting the impact moment using the resulting data information from multiple sensors. Through extensive experimentation, we assess the accuracy of our approach using various evaluation metrics. Our results achieve high accuracy rates in impact detection, showcasing the power of leveraging multisensor data for fall detection tasks. This highlights the potential of our approach to enhance fall detection systems and improve the overall safety and well-being of individuals at risk of falls.
• Abstract（参考訳）: 個人、特に高齢者の転倒は重傷や合併症を引き起こす可能性がある。 秋のイベントにおける影響モーメントの検出は、タイムリーな支援とネガティブな結果の最小化に不可欠である。 本研究では,マルチセンサデータセットに徹底的な前処理技術を適用することで,この課題に対処し,ノイズの除去とデータ品質の向上を目標とする。 さらに,マルチセンサUP-FALLデータセットから得られる最も関連性の高い特徴を特定するために,特徴選択プロセスを採用し,機械学習モデルの性能と効率を向上させる。 次に,複数のセンサから得られたデータ情報を用いて,衝撃モーメントの検出における各種機械学習モデルの効率を評価する。 広範な実験を通じて,様々な評価指標を用いてアプローチの精度を評価する。 本研究では,マルチセンサデータを転倒検出タスクに活用する能力を示すため,衝突検出の精度が向上した。 これは、転倒検知システムを強化し、転倒のリスクがある個人の全体的な安全と幸福を改善するアプローチの可能性を強調します。

関連論文リスト

• Leveraging Mixture of Experts for Improved Speech Deepfake Detection [53.69740463004446]
  スピーチのディープフェイクは、個人のセキュリティとコンテンツの信頼性に重大な脅威をもたらす。 本研究では,Mixture of Expertsアーキテクチャを用いた音声深度検出性能の向上のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-24T13:24:03Z)
• Active Learning for Derivative-Based Global Sensitivity Analysis with Gaussian Processes [70.66864668709677]
  高価なブラックボックス関数のグローバル感度解析におけるアクティブラーニングの問題点を考察する。 関数評価は高価であるため,最も価値の高い実験資源の優先順位付けにアクティブラーニングを利用する。 本稿では,デリバティブに基づくグローバル感度測定の重要量を直接対象とする,新たな能動的学習獲得関数を提案する。
  論文  参考訳（メタデータ） (2024-07-13T01:41:12Z)
• AN An ica-ensemble learning approach for prediction of uwb nlos signals data classification [0.0]
  本研究は、無線通信による情報調和と、超広帯域レーダ信号を用いたNLOSシナリオにおける個人識別に焦点を当てた。 実験では、静的データに対して88.37%、動的データに対して87.20%の分類精度を示し、提案手法の有効性を強調した。
  論文  参考訳（メタデータ） (2024-02-27T11:42:26Z)
• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。 得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。 本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• Learning to Detect Slip through Tactile Estimation of the Contact Force Field and its Entropy [6.739132519488627]
  本研究では,スリップ検出をリアルタイムで連続的に行う物理インフォームド・データ駆動方式を提案する。 我々は、光学式触覚センサーであるGelSight Miniを、カスタムデザインのグリップに装着して、触覚データを収集する。 その結果,最高の分類アルゴリズムは95.61%の精度が得られることがわかった。
  論文  参考訳（メタデータ） (2023-03-02T03:16:21Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• Anomaly Detection and Inter-Sensor Transfer Learning on Smart Manufacturing Datasets [6.114996271792091]
  スマートマニュファクチャリングシステムの目標は、運用コストを削減し、ダウンタイムをなくすために、失敗を迅速に検出(または予測)することである。 これはしばしば、システムから取得したセンサーの日程内で異常を検出することに起因する。 スマートマニュファクチャリングアプリケーションドメインは、ある種の健全な技術的課題を提起します。 予測的障害分類が達成できることを示し、予測的メンテナンスの道を開く。
  論文  参考訳（メタデータ） (2022-06-13T17:51:24Z)
• Fall detection using multimodal data [1.8149327897427234]
  本稿では,大規模なパブリックデータセット,すなわちUP-Fall Detectionデータセットに基づく転倒検出問題について検討する。 本稿では,これらのセンサやカメラから重要な特徴を抽出し,主要な問題に対する適切なモデルを構築するためのいくつかの手法を提案する。
  論文  参考訳（メタデータ） (2022-05-12T07:13:34Z)
• Architectural Optimization and Feature Learning for High-Dimensional Time Series Datasets [0.7388859384645262]
  重力波検出器における過渡ノイズアーチファクトの存在を予測する問題について検討する。 従来の技術と比較して誤差率を60%以上削減するモデルを導入する。
  論文  参考訳（メタデータ） (2022-02-27T23:41:23Z)
• DeepTimeAnomalyViz: A Tool for Visualizing and Post-processing Deep Learning Anomaly Detection Results for Industrial Time-Series [88.12892448747291]
  DeTAVIZ インタフェースは Web ブラウザをベースとした可視化ツールで,特定の問題における DL ベースの異常検出の実現可能性の迅速な探索と評価を行う。 DeTAVIZを使えば、ユーザーは複数のポスト処理オプションを簡単かつ迅速に繰り返し、異なるモデルを比較することができ、選択したメトリックに対して手動で最適化できる。
  論文  参考訳（メタデータ） (2021-09-21T10:38:26Z)
• Influence Functions in Deep Learning Are Fragile [52.31375893260445]
  影響関数は、テスト時間予測におけるサンプルの効果を近似する。 影響評価は浅いネットワークでは かなり正確です ヘッセン正則化は、高品質な影響推定を得るために重要である。
  論文  参考訳（メタデータ） (2020-06-25T18:25:59Z)

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。