論文の概要: Real-Time Energy Measurement for Non-Intrusive Well-Being Monitoring of Elderly People -- a Case Study

• arxiv url: http://arxiv.org/abs/2407.00524v1
• Date: Sat, 29 Jun 2024 20:03:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-04 02:46:30.876412
• Title: Real-Time Energy Measurement for Non-Intrusive Well-Being Monitoring of Elderly People -- a Case Study
• Title（参考訳）: 高齢者の非侵入型ウェルビーイングモニタリングのためのリアルタイムエネルギー測定-事例研究
• Authors: Mateusz Brzozowski, Artur Janicki,
• Abstract要約: 本稿では,高齢者の健康モニタリングのための非侵襲的手法を実証するケーススタディを提案する。 それは私たちのリアルタイムエネルギー測定システムに基づいており、電気メーターに取り付けられた小さなビーコンを使っています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article presents a case study demonstrating a non-intrusive method for the well-being monitoring of elderly people. It is based on our real-time energy measurement system, which uses tiny beacons attached to electricity meters. Four participants aged 67-82 years took part in our study. We observed their electric power consumption for approx. a month, and then we analyzed them, taking into account the participants' notes on their activities. We created typical daily usage profiles for each participant and used anomaly detection to find unusual energy consumption. We found out that real-time energy measurement can give significant insight into someone's daily activities and, consequently, bring invaluable information to caregivers about the well-being of an elderly person, while being discreet and entirely non-intrusive.
• Abstract（参考訳）: 本稿では,高齢者の健康モニタリングのための非侵襲的手法を実証するケーススタディを提案する。 それは私たちのリアルタイムエネルギー測定システムに基づいており、電気メーターに取り付けられた小さなビーコンを使っています。 対象は67～82歳4名であった。 私たちは彼らのアポックスの電力消費を観察した。 1ヶ月後 参加者の活動のノートを 考慮して分析しました 被験者ごとの日常的利用プロファイルを作成し,異常なエネルギー消費を検出するために異常検出を用いた。 その結果,高齢者の幸福感に関する介護者にとって,リアルタイムエネルギー測定は,不明瞭で全く邪魔にならない情報でありながら,重要な情報をもたらすことが判明した。

関連論文リスト

• Coca4ai: checking energy behaviors on AI data centers [0.12997390777731951]
  本稿では,データセンター全体の規模でのエネルギー挙動の簡易かつ軽量なモニタリングという概念の実証について述べる。 結果は、効率性の観点から興味深い可能性があり、ユーザーエンゲージメントを生み出すための議論を提供することを示している。
  論文  参考訳（メタデータ） (2024-07-22T14:33:10Z)
• A Matter of Annotation: An Empirical Study on In Situ and Self-Recall Activity Annotations from Wearable Sensors [56.554277096170246]
  In-the-wildデータ収集に焦点をあてたユーザスタディにおいて,一般的な4つのアノテーション手法の評価と対比を行う実験的検討を行った。 実際の記録プロセス中に参加者がアノテートするユーザ主導のin situアノテーションと、各日の終わりに参加者が振り返ってアノテートするリコールメソッドの両方に対して、参加者は自身のアクティビティクラスと対応するラベルを選択できる柔軟性を持っていた。
  論文  参考訳（メタデータ） (2023-05-15T16:02:56Z)
• In-vehicle alertness monitoring for older adults [63.359033532099204]
  高齢者に対する車内警戒監視システムを提案する。 高齢者10名(70歳以上)を対象に,プロトタイプトラベラー監視システムを実装し,警報検出アルゴリズムの評価を行った。 本研究は, 人口調査対象者を対象とした最初の研究であり, 参加型手法によるアルゴリズム開発とシステム設計に関する今後の研究に影響を及ぼすものである。
  論文  参考訳（メタデータ） (2022-08-17T06:07:37Z)
• Constructing dynamic residential energy lifestyles using Latent Dirichlet Allocation [8.862740157957226]
  本研究では, エネルギーライフスタイルの動的アプローチを用いて, 住宅の電力需要を理解するための新しい枠組みを提案し, 検証する。 遅延ディリクレ割当 (LDA) を用いて, 一連の潜伏エネルギー特性を抽出する。 本研究では,6万世帯の1年間の時間ごとのスマートメーターデータを用いて実験を行うことにより,本手法を検証した。
  論文  参考訳（メタデータ） (2022-04-22T15:41:47Z)
• LEAD1.0: A Large-scale Annotated Dataset for Energy Anomaly Detection in Commercial Buildings [0.0]
  我々は,1年以上にわたる1,413個のスマート電気メーター時系列を含むASHRAE Great Energy Predictor IIIデータセットの注釈付きバージョンをリリースする。 我々は,8つの最先端異常検出手法の性能をベンチマークし,その性能を比較した。
  論文  参考訳（メタデータ） (2022-03-30T07:30:59Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Adversarial Energy Disaggregation for Non-intrusive Load Monitoring [78.47901044638525]
  非侵入負荷モニタリング(Non-Inrusive Load Monitoring, NILM)としても知られるエネルギー分散は、家庭全体の電力消費を家電固有の個人消費に分けるという問題に挑戦する。 近年の進歩は、ディープニューラルネットワーク(DNN)がNILMに有利な性能を得られることを示している。 我々は、エネルギー分散タスクに新しくなったNILMに、敵対的学習の考え方を導入する。
  論文  参考訳（メタデータ） (2021-08-02T03:56:35Z)
• Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
  スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。 本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
  論文  参考訳（メタデータ） (2021-02-16T16:56:27Z)
• Activity Detection And Modeling Using Smart Meter Data: Concept And Case Studies [6.7336801526732755]
  本稿では, より効果的に活動の分離を行う手法を提案する。 住宅負荷データと特徴量に基づくアクティビティ検出に機械学習を活用するフレームワークを開発する。 本研究では, 数値ケーススタディを通じて, 活動検出手法の有効性を実証する。
  論文  参考訳（メタデータ） (2020-10-26T02:36:35Z)
• Energy Expenditure Estimation Through Daily Activity Recognition Using a Smart-phone [1.8047694351309205]
  本稿では,非侵襲的な方法で個人のリアルタイムエネルギー消費を推定する3段階システムを提案する。 まず、ユーザーのスマートフォンのセンサーを使って、彼の身体活動を認識するための決定木モデルを構築します。 そして,検出された身体活動,時間,利用者の速度を用いて,日常生活活動の推測を行う。
  論文  参考訳（メタデータ） (2020-09-08T12:26:18Z)
• Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
  不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。 スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
  論文  参考訳（メタデータ） (2020-08-09T20:22:52Z)

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。