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
- 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) - PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal
Imputation [54.839600943189915]
モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。
豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。
このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
論文 参考訳(メタデータ) (2022-12-14T21:39:15Z) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳(メタデータ) (2021-04-29T00:11:32Z) - 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) - Analysing the Correlation of Geriatric Assessment Scores and Activity in
Smart Homes [1.0992151305603266]
本研究では、周囲運動センサのデータと、確立された移動度評価の相関性を示す。
実世界のデータセットの評価は、標準化された老年医学的身体的評価のスコアと中程度から強い相関を示す。
論文 参考訳(メタデータ) (2021-03-10T10:04:47Z) - 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。
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。