論文の概要: Selective Correlation Based Knowledge Distillation for Ground Reaction Force Estimation

• arxiv url: http://arxiv.org/abs/2605.00888v1
• Date: Mon, 27 Apr 2026 11:59:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.450738
• Title: Selective Correlation Based Knowledge Distillation for Ground Reaction Force Estimation
• Title（参考訳）: 地中反応力推定のための選択的相関に基づく知識蒸留
• Authors: Eun Som Jeon, Jisoo Lee, Huisu Lim, Omik M. Save, Hyunglae Lee, Pavan Turaga,
• Abstract要約: グラウンド・リアクション・フォース(GRF)は、運動中の体とグラウンドとの相互作用について重要な洞察を与える。 インソールセンサで収集したデータからGRFを推定するための選択相関型知識蒸留法(SCKD)を提案する。
• 参考スコア（独自算出の注目度）: 5.681798299827616
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Wearable sensor-based human gait analysis holds great promise in healthcare, rehabilitation, clinical diagnosis and monitoring, and sports activities. Specifically, ground reaction force (GRF) provides essential insights into the body's interaction with the ground during movement and is typically measured using instrumented treadmills equipped with force plates. However, such equipment is expensive and restricted to laboratory environments. To enable a more portable solution, wearable insole sensors have been used to measure GRF. These sensors, however, are prone to noise and external interference, which reduces measurement accuracy. Deep learning methodologies could be adopted to address these issues, but they often require significant computing resources to achieve high accuracy, limiting their applicability for real-time analysis on portable devices. To overcome these limitations, we propose Selective Correlation Based Knowledge Distillation (SCKD) for estimating GRF from data collected by insole sensors. Our proposed method utilizes selected features considering temporal characteristics in the process of extracting correlation maps for knowledge transfer, enhancing interpretability and mitigating issues in high dimensional data processing. We demonstrate the effectiveness of the compact models generated by our distillation framework through comparison with existing methods. Various configurations of teacher-student architectures and training approaches are examined based on multiple evaluation criteria, utilizing data collected at different walking speeds and with different window sizes. Experimental results confirm that our approach outperforms existing methods in estimating GRF from wearable insole sensor data. Therefore, our approach offers a reliable and resource-efficient solution for human gait analysis.
• Abstract（参考訳）: ウェアラブルセンサーを用いた人間の歩行分析は、医療、リハビリテーション、臨床診断とモニタリング、スポーツ活動において大きな可能性を秘めている。 特に、グラウンド・リアクション・フォース(GRF)は、運動中の体とグラウンドとの相互作用について重要な洞察を与え、典型的には、力板を備えた計器式トレッドミルを用いて測定される。 しかし、そのような設備は高価であり、実験室の環境に限られている。 よりポータブルなソリューションを実現するために、GRFを測定するためにウェアラブルインソールセンサーが使用されている。 しかし、これらのセンサーはノイズや外部からの干渉を受けやすいため、測定精度は低下する。 ディープラーニングの方法論はこれらの問題に対処するために採用されるが、しばしば高い精度を達成するために重要な計算資源を必要とし、ポータブルデバイス上でのリアルタイム分析の適用性を制限する。 これらの制約を克服するために, インソールセンサで収集したデータからGAFを推定するための選択相関型知識蒸留法(SCKD)を提案する。 提案手法は,知識伝達のための相関マップの抽出,解釈可能性の向上,高次元データ処理における問題点の緩和において,時間的特性を考慮した特徴量を利用する。 蒸留フレームワークにより生成されたコンパクトモデルの有効性を,既存手法との比較により実証した。 異なる歩行速度と異なる窓の大きさで収集したデータを用いて,複数の評価基準に基づいて,教師学生の学習環境と学習方法の様々な構成について検討した。 実験の結果,本手法はウェアラブルインソールセンサデータからGRFを推定する既存手法よりも優れていたことが確認された。 したがって,本手法は人間の歩行分析に信頼性があり,資源効率のよいソリューションを提供する。

関連論文リスト

• Adapting HFMCA to Graph Data: Self-Supervised Learning for Generalizable fMRI Representations [57.054499278843856]
  機能的磁気共鳴画像(fMRI)解析は、データセットのサイズが限られ、研究間でのドメインの変動が原因で大きな課題に直面している。 コンピュータビジョンにインスパイアされた従来の自己教師付き学習手法は、正と負のサンプルペアに依存することが多い。 本稿では,最近開発された階層関数最大相関アルゴリズム(HFMCA)をグラフ構造fMRIデータに適用することを提案する。
  論文  参考訳（メタデータ） (2025-10-05T12:35:01Z)
• Towards a more realistic evaluation of machine learning models for bearing fault diagnosis [0.28873930745906956]
  本稿では,振動を用いた軸受故障診断におけるデータ漏洩問題とそのモデル評価への影響について検討する。 本研究では, 軸受データ分割に着目したリークフリー評価手法を提案し, トレーニングやテストに使用する物理部品の重複を防止した。 CWRU、パダーボーン大学(PU)、オタワ大学(UORED-VAF)の3つの広く採用されているデータセットに対する方法論の評価を行った。
  論文  参考訳（メタデータ） (2025-09-26T12:35:02Z)
• Ground Reaction Force Estimation via Time-aware Knowledge Distillation [5.978533538941755]
  地上反応力(GRF)は、移動中に身体が地面とどのように相互作用するかに関する重要な情報を提供する。 計器式トレッドミルは歩行中にGRFを測定するための金の標準として広く使用されている。 インソールセンサデータからGRF推定を行うための時間認識知識蒸留フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:19:02Z)
• Testing and Improving the Robustness of Amortized Bayesian Inference for Cognitive Models [0.5223954072121659]
  汚染物質観測とアウトリーチは、認知モデルのパラメータを推定する際にしばしば問題を引き起こす。 本研究では,アモルタイズされたベイズ推定を用いたパラメータ推定のロバスト性を検証・改善する。 提案手法は実装が簡単で実用的であり,外乱検出や除去が困難な分野に適用可能である。
  論文  参考訳（メタデータ） (2024-12-29T21:22:24Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
  本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。 PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。 提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-09-27T14:39:41Z)
• Sparse learned kernels for interpretable and efficient medical time series processing [19.5212988158778]
  ディープラーニングの手法は計算集約的で、解釈性に欠けていた。 医用時系列信号の解釈可能なアーキテクチャであるSmoLK(Sparse Mixture of Learned Kernels)を提案する。 SMoLKは、シングルレイヤスパースニューラルネットワークを形成する軽量なフレキシブルカーネルセットを学習する。
  論文  参考訳（メタデータ） (2023-07-06T18:11:58Z)
• Unpaired Deep Learning for Pharmacokinetic Parameter Estimation from Dynamic Contrast-Enhanced MRI [37.358265461543716]
  薬物動態パラメータとAIFの両方を推定する新しい未経験深層学習法を提案する。 提案するCycleGANフレームワークは、基礎となる物理モデルに基づいて設計されており、単一のジェネレータと識別器ペアによるよりシンプルなアーキテクチャを実現する。 実験の結果,AIF測定を別途必要とせず,他の方法よりも信頼性の高い薬物動態パラメータが得られた。
  論文  参考訳（メタデータ） (2023-06-07T11:10:10Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost Functions [80.12620331438052]
  深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。 このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
  論文  参考訳（メタデータ） (2020-06-25T08:46:37Z)
• Interpretable Off-Policy Evaluation in Reinforcement Learning by Highlighting Influential Transitions [48.91284724066349]
  強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。 信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。 我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
  論文  参考訳（メタデータ） (2020-02-10T00:26:43Z)

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。