Fugu-MT 論文翻訳(概要): Sensor-Based Data Acquisition via Ubiquitous Device to Detect Muscle Strength Training Activities

論文の概要: Sensor-Based Data Acquisition via Ubiquitous Device to Detect Muscle Strength Training Activities

arxiv url: http://arxiv.org/abs/2401.15124v1
Date: Fri, 26 Jan 2024 10:44:44 GMT
ステータス: 処理完了
システム内更新日: 2024-01-30 19:33:32.484114
Title: Sensor-Based Data Acquisition via Ubiquitous Device to Detect Muscle Strength Training Activities
Title（参考訳）: 筋力トレーニング活動を検出するユビキタスデバイスによるセンサベースデータ取得
Authors: E. Wianto, H. Toba, M. Malinda and Chien-Hsu Chen
Abstract要約: 本研究は,HAR(Human Activity Recognition)のための組込みセンサを用いた。 25人の被験者のデータをもとに、筋力運動において左右の手で重要な役割を果たす重要なセンサー特性を同定した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Maintaining a high quality of life through physical activities (PA) to prevent health decline is crucial. However, the relationship between individuals health status, PA preferences, and motion factors is complex. PA discussions consistently show a positive correlation with healthy aging experiences, but no explicit relation to specific types of musculoskeletal exercises. Taking advantage of the increasingly widespread existence of smartphones, especially in Indonesia, this research utilizes embedded sensors for Human Activity Recognition (HAR). Based on 25 participants data, performing nine types of selected motion, this study has successfully identified important sensor attributes that play important roles in the right and left hands for muscle strength motions as the basis for developing machine learning models with the LSTM algorithm.
Abstract（参考訳）: 健康の低下を防ぐための身体活動(PA)による高品質な生活を維持することが重要である。しかし、個人の健康状態、pa嗜好、運動要因の関係は複雑である。 PAの議論は、健康な老化経験と常に正の相関を示すが、特定の種類の筋骨格運動と明確な関係は示さない。この研究は、特にインドネシアにおけるスマートフォンの普及に乗じて、HAR(Human Activity Recognition)に組み込みセンサーを利用する。被験者25名を対象に,lstmアルゴリズムを用いた機械学習モデル開発の基礎として,右手と左手において重要な役割を担っている重要なセンサ属性を同定した。

関連論文リスト

Scaling Wearable Foundation Models [54.93979158708164]
センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
論文参考訳（メタデータ） (2024-10-17T15:08:21Z)
A Graph-based Approach to Human Activity Recognition [5.323279718522213]
本稿では,リアルタイムデータセットの拡張から重要な洞察を効率的に抽出する手法を提案する。 Inertial Measurement Units (IMU) と Global Navigation Satellite Systems (GNSS) の受信機からのデータを利用することで, 競技成績を有向グラフを用いて解析することができる。本手法はバイアスロンデータを用いて興味のある特定の点や複雑な動きのシーケンスを検出する。
論文参考訳（メタデータ） (2024-08-19T17:51:00Z)
The Role of Functional Muscle Networks in Improving Hand Gesture Perception for Human-Machine Interfaces [2.367412330421982]
表面筋電図(sEMG)はその豊富な情報コンテキストとアクセシビリティのために研究されている。本稿では,個々の筋活性化ではなく,筋同期の復号化を提案する。 85.1%の精度を実現し、既存の手法に比べて性能が向上した。
論文参考訳（メタデータ） (2024-08-05T15:17:34Z)
Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文参考訳（メタデータ） (2024-04-05T20:39:16Z)
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)
Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文参考訳（メタデータ） (2023-04-04T07:24:51Z)
Dataset Bias in Human Activity Recognition [57.91018542715725]
このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
論文参考訳（メタデータ） (2023-01-19T12:33:50Z)
Am I fit for this physical activity? Neural embedding of physical conditioning from inertial sensors [0.0]
Inertial Measurement Unit(IMU)センサーは、スマートフォンやフィットネスウォッチなど、日常のデバイスではますます普及している。本稿では,畳み込み層とLSTM層からなるニューラルネットワークアーキテクチャを提案する。公共データセット(PAMAP2, PPG-DaLiA)で利用可能なIMUセンサデータから,23名の被験者の心拍数を予測した際に,PCE-LSTMと呼ばれるモデルを評価した。 PCE-LSTMは平均絶対誤差を10%以上下げる。
論文参考訳（メタデータ） (2021-03-22T18:00:27Z)
Physical Activity Recognition Based on a Parallel Approach for an Ensemble of Machine Learning and Deep Learning Classifiers [0.0]
モノのインターネット(IOT)に組み込まれたウェアラブルセンサーデバイスによる人間の活動認識(HAR)は、リモートヘルス監視と緊急通知に重要な役割を果たします。本研究では、医療に適用可能な意思決定精度と実行速度の人間活動認識手法について検討する。
論文参考訳（メタデータ） (2021-03-02T16:50:52Z)
Learning Generalizable Physiological Representations from Large-scale Wearable Data [12.863826659440026]
意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。その結果, 線形分類器を用いた伝達学習により, 様々な下流タスクにおいて, 埋め込みが一般化できることが示唆された。本研究は,大規模健康・ライフスタイルモニタリングに寄与する行動・生理的データに対する,最初のマルチモーダル自己管理手法を提案する。
論文参考訳（メタデータ） (2020-11-09T17:56:03Z)
Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。