論文の概要: FRIENDS GUI: A graphical user interface for data collection and visualization of vaping behavior from a passive vaping monitor

• arxiv url: http://arxiv.org/abs/2511.15007v1
• Date: Wed, 19 Nov 2025 01:18:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.581501
• Title: FRIENDS GUI: A graphical user interface for data collection and visualization of vaping behavior from a passive vaping monitor
• Title（参考訳）: FRIENDS GUI: 受動型配管モニタからのデータ収集と配管挙動の可視化のためのグラフィカルユーザインタフェース
• Authors: Shehan I Pranto, Brett Fassler, Md Rafi Islam, Ashley Schenkel, Larry W Hawk, Edward Sazonov,
• Abstract要約: 本稿では,FRIENDSについて紹介する。FRIENDSはオープンソースのデバイスで,その装着によってendSのパフやタッチイベントを記録できる。 FRIENDS GUIはPythonベースのオープンソースツールで、FRIENDSデバイスから24時間のパフィングデータを抽出し、デコードし、視覚化する。
• 参考スコア（独自算出の注目度）: 1.0029692461009219
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding puffing topography (PT), which includes puff duration, intra puff interval, and puff count per session, is critical for evaluating Electronic Nicotine Delivery Systems (ENDS) use, toxicant exposure, and informing regulatory decisions. We developed FRIENDS (Flexible Robust Instrumentation of ENDS), an open-source device that records puffing and touch events of ENDS by attaching to it. This paper introduces the FRIENDS GUI that improves accessibility and interpretability of data collected by FRIENDS. The GUI is a Python-based open-source tool that extracts, decodes, and visualizes 24-hour puffing data from the FRIENDS device. Validation using 24-hour experimental data confirmed accurate timestamp conversion, reliable event decoding, and effective behavioral visualization. The software is freely available on GitHub for public use.
• Abstract（参考訳）: パフ持続時間、パフ間隔、セッション毎のパフ数などのパフトポグラフィー(PT)を理解することは、電子ニコチンデリバリーシステム(ENDS)の使用、毒性曝露、規制決定の実行において重要である。 FRIENDS(Flexible Robust Instrumentation of ENDS)を開発した。 本稿では、FRIENDSが収集したデータのアクセシビリティと解釈性を改善するFRIENDS GUIを提案する。 GUIはPythonベースのオープンソースツールで、FRIENDSデバイスから24時間のパフィングデータを抽出し、デコードし、視覚化する。 24時間の実験データによる検証では、正確なタイムスタンプ変換、信頼性のあるイベント復号、効果的な行動可視化が確認できた。 このソフトウェアはGitHubで無料で公開されている。

関連論文リスト

• Identifying Slug Formation in Oil Well Pipelines: A Use Case from Industrial Analytics [0.0]
  本稿では,コンパクトでユーザフレンドリなインターフェースによるエンドツーエンドのデータ駆動スラグ検出を実現する対話型アプリケーションを提案する。 このデモでは、人間同士の対話的なMLシステムが、データサイエンスの方法と、重要なプロセス産業における現実世界の意思決定のギャップを埋める方法を紹介している。
  論文  参考訳（メタデータ） (2025-11-02T08:26:32Z)
• Colepp: uma ferramenta multiplataforma para coleta de dados de dispositivos vestiveis [0.0]
  Coleppはオープンソースのツールで、複数のウェアラブルデバイスからデータを収集して同期する。 このシステムは、スマートフォンを中央ハブとして統合し、Polar H10チェストストラップとWear OSスマートウォッチからデータを受け取り、同期データセットをCSV形式でエクスポートする。 ユースケースは、一貫性のある同期信号を生成するツールの有効性を示している。
  論文  参考訳（メタデータ） (2025-10-17T11:50:43Z)
• Temporal Graph Benchmark for Machine Learning on Temporal Graphs [54.52243310226456]
  テンポラルグラフベンチマーク(TGB)は、困難で多様なベンチマークデータセットのコレクションである。 各データセットをベンチマークし、共通のモデルのパフォーマンスがデータセット間で大きく異なることを発見した。 TGBは、再現可能でアクセス可能な時間グラフ研究のための自動機械学習パイプラインを提供する。
  論文  参考訳（メタデータ） (2023-07-03T13:58:20Z)
• DeepVATS: Deep Visual Analytics for Time Series [7.822594828788055]
  私たちは、Deep Visual Analyticsの分野を時系列データにもたらすオープンソースのツールであるDeepVATSを紹介します。 DeepVATSは、自己監督的な方法で、時系列のパッチを再構築するマスク付き時系列自動エンコーダを訓練する。 本稿では,DeepVATSの有効性を検証する結果について報告する。
  論文  参考訳（メタデータ） (2023-02-08T03:26:50Z)
• Towards Abstractive Timeline Summarisation using Preference-based Reinforcement Learning [3.6640004265358477]
  本稿では,複数のニュースソースから報告されるイベントの時系列を要約する新しいパイプラインを提案する。 抽象的な要約のためのトランスフォーマーに基づくモデルは、長い文書のコヒーレントで簡潔な要約を生成する。 抽出要約は情報源に忠実であるが、読みにくく、余分な情報や不要な情報を含んでいる可能性がある。
  論文  参考訳（メタデータ） (2022-11-14T18:24:13Z)
• X2T: Training an X-to-Text Typing Interface with Online Learning from User Feedback [83.95599156217945]
  ユーザがキーボードを操作できないが、他の入力を供給できる、補助型タイピングアプリケーションに焦点を当てる。 標準メソッドは、ユーザ入力の固定データセット上でモデルをトレーニングし、そのミスから学ばない静的インターフェースをデプロイする。 このようなインターフェースが時間の経過とともに改善されるようなシンプルなアイデアを,ユーザによる最小限の努力で検討する。
  論文  参考訳（メタデータ） (2022-03-04T00:07:20Z)
• Towards End-to-end Video-based Eye-Tracking [50.0630362419371]
  画像のみから視線を推定することは、観察不可能な人固有の要因のために難しい課題である。 本稿では,これらの意味的関係と時間的関係を明確に学習することを目的とした,新しいデータセットとアタッチメント手法を提案する。 視覚刺激からの情報と視線画像の融合が,文献に記録された人物と同じような性能を達成することにつながることを実証した。
  論文  参考訳（メタデータ） (2020-07-26T12:39:15Z)
• PyODDS: An End-to-end Outlier Detection System with Automated Machine Learning [55.32009000204512]
  PyODDSは、データベースサポート付きアウトレイラ検出のための、エンドツーエンドのPythonシステムである。 具体的には,探索空間を外乱検出パイプラインで定義し,与えられた探索空間内で探索戦略を作成する。 また、データサイエンスや機械学習のバックグラウンドの有無に関わらず、統一されたインターフェイスと視覚化を提供する。
  論文  参考訳（メタデータ） (2020-03-12T03:30:30Z)

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。