論文の概要: A Framework For Gait-Based User Demography Estimation Using Inertial Sensors

• arxiv url: http://arxiv.org/abs/2402.09761v1
• Date: Thu, 15 Feb 2024 07:23:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-16 16:44:42.932703
• Title: A Framework For Gait-Based User Demography Estimation Using Inertial Sensors
• Title（参考訳）: 慣性センサを用いた歩行に基づくユーザデモグラフィ推定のためのフレームワーク
• Authors: Chinmay Prakash Swami
• Abstract要約: ユーザの年齢と性別を識別するために、745人の被験者からなる大規模なセンサベースの歩行データセット上で、ディープニューラルネットワークモデルをトレーニングする。 我々は,年齢や性別などのユーザの復刻を識別する上で重要な役割を担う重要な変数を同定する。 このアプローチは、年齢や性別に関連する歩行パラメータに関する情報を提供するだけでなく、歩行障害を解析・診断するために拡張できると考えている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human gait has been shown to provide crucial motion cues for various applications. Recognizing patterns in human gait has been widely adopted in various application areas such as security, virtual reality gaming, medical rehabilitation, and ailment identification. Furthermore, wearable inertial sensors have been widely used for not only recording gait but also to predict users' demography. Machine Learning techniques such as deep learning, combined with inertial sensor signals, have shown promising results in recognizing patterns in human gait and estimate users' demography. However, the black-box nature of such deep learning models hinders the researchers from uncovering the reasons behind the model's predictions. Therefore, we propose leveraging deep learning and Layer-Wise Relevance Propagation (LRP) to identify the important variables that play a vital role in identifying the users' demography such as age and gender. To assess the efficacy of this approach we train a deep neural network model on a large sensor-based gait dataset consisting of 745 subjects to identify users' age and gender. Using LRP we identify the variables relevant for characterizing the gait patterns. Thus, we enable interpretation of non-linear ML models which are experts in identifying the users' demography based on inertial signals. We believe this approach can not only provide clinicians information about the gait parameters relevant to age and gender but also can be expanded to analyze and diagnose gait disorders.
• Abstract（参考訳）: ヒトの歩行は様々な用途に重要な運動手段を提供することが示されている。 人間の歩行パターンを認識することは、セキュリティ、仮想現実ゲーム、医療リハビリテーション、病気の特定など、さまざまな応用領域で広く採用されている。 さらに,ウェアラブル慣性センサは歩行を記録できるだけでなく,ユーザのデモグラフィーの予測にも広く利用されている。 ディープラーニングなどの機械学習技術と慣性センサーの信号を組み合わせることで,人間の歩行パターンの認識とユーザデモグラフィーの推定に有望な成果が得られた。 しかし、このような深層学習モデルのブラックボックスの性質は、研究者がモデルの予測の背後にある理由を明らかにするのを妨げる。 そこで本稿では,ディープラーニングとレイヤワイズ関連伝播(LRP)を利用して,年齢や性別などのユーザの復刻を識別する上で重要な役割を担う重要な変数を同定する。 このアプローチの有効性を評価するために,745名の被験者からなる大規模センサベース歩行データセット上で,ディープニューラルネットワークモデルをトレーニングし,ユーザの年齢と性別を同定する。 LRPを用いて歩行パターンの特徴付けに関連する変数を同定する。 そこで我々は,慣性信号に基づいてユーザの復刻を識別する専門家である非線形MLモデルの解釈を可能にする。 このアプローチは、年齢や性別に関連する歩行パラメータを臨床医に提供できるだけでなく、歩行障害の分析や診断にも拡張できると考えています。

関連論文リスト

• Machine Learning Strategies for Parkinson Tremor Classification Using Wearable Sensor Data [0.4222205362654437]
  機械学習(ML)は、PD分類と診断精度を高める強力なツールとして登場した。 本調査はパーキンソン震の分類に用いられているML手法を概観的にレビューする。 本稿では,ウェアラブルセンサデータを用いたPD診断にMLを適用する際の課題と問題点について論じる。
  論文  参考訳（メタデータ） (2025-01-30T18:36:59Z)
• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
  社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。 ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
  論文  参考訳（メタデータ） (2023-09-13T15:42:06Z)
• Domain Adaptation for Inertial Measurement Unit-based Human Activity Recognition: A Survey [1.7205106391379026]
  機械学習に基づくウェアラブルヒューマンアクティビティ認識(WHAR)モデルは、スマートでコネクテッドなコミュニティアプリケーションの開発を可能にする。 これらのWHARモデルの普及は、データ分散の不均一性の存在下での性能低下によって妨げられている。 従来の機械学習アルゴリズムとトランスファーラーニング技術は、そのようなデータ不均一性を扱うことの基盤となる課題に対処するために提案されている。 ドメイン適応(Domain adapt)は、近年の文献において大きな人気を博した転帰学習技術の一つである。
  論文  参考訳（メタデータ） (2023-04-07T01:33:42Z)
• Deep networks for system identification: a Survey [56.34005280792013]
  システム識別は、入力出力データから動的システムの数学的記述を学習する。 同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。 我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
  論文  参考訳（メタデータ） (2023-01-30T12:38:31Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Facial Anatomical Landmark Detection using Regularized Transfer Learning with Application to Fetal Alcohol Syndrome Recognition [24.27777060287004]
  出生前アルコール曝露による胎児アルコール症候群(FAS)は、一連の頭蓋顔面異常を引き起こす可能性がある。 解剖学的ランドマーク検出は,FAS関連顔面異常の検出に重要である。 自然画像における顔のランドマーク検出のために設計された現在のディープラーニングに基づく熱マップ回帰法は、大きなデータセットが利用できることを前提としている。 我々は,大規模な顔認識データセットから学習したネットワークの知識を活用する,新たな正規化トランスファー学習手法を開発した。
  論文  参考訳（メタデータ） (2021-09-12T11:05:06Z)
• Preserving Privacy in Human-Motion Affect Recognition [4.753703852165805]
  本研究は,3次元の時間的関節信号と手動抽出特徴を用いた感情認識における既存手法の有効性を評価する。 本稿では,マルチエンコーダ自動エンコーダ深層ニューラルネットワークを訓練し,人間の動作特徴の不連続な潜在表現を学習するクロスサブジェクトトランスファー学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-09T15:26:21Z)
• ICAM-reg: Interpretable Classification and Regression with Feature Attribution for Mapping Neurological Phenotypes in Individual Scans [3.589107822343127]
  本研究では,生成的深層学習における最近の進歩を活かし,同時分類法,回帰法,特徴帰属法を開発した。 Alzheimer's Disease Neuroimaging InitiativeコホートにおけるMini-Mental State examination (MMSE)認知テストスコア予測のタスクについて検証した。 本稿では,生成したfaマップを用いて異常予測を説明し,回帰加群を組み込むことで潜在空間の不連続性を改善することを示す。
  論文  参考訳（メタデータ） (2021-03-03T17:55:14Z)
• Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision Action Recognition [131.6328804788164]
  本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。 SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
  論文  参考訳（メタデータ） (2020-09-01T03:38:31Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。