論文の概要: Human Activity Recognition via Ultra-Wideband Data: A Framework for Dimensionality Reduction, Pattern Discovery, and Predictive Modeling

• arxiv url: http://arxiv.org/abs/2609.32008v1
• Date: Fri, 25 Sep 2026 21:11:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 03:51:58.569487
• Title: Human Activity Recognition via Ultra-Wideband Data: A Framework for Dimensionality Reduction, Pattern Discovery, and Predictive Modeling
• Title（参考訳）: 超広帯域データによる人間の活動認識:次元化,パターン発見,予測モデリングのためのフレームワーク
• Abstract要約: 本研究は,UWB信号から,データサイズを効率的に削減し,重要なパターンを発見,および6種類の活動タイプ(Standff, Liedown, Noactive, Sit, Stand, Walk)を高精度に分類するフレームワークを提案する。 このフレームワークは、CPE-IPCAでRandom Forest、PPSAで99%、PPSAで100%精度、リコール、F1を達成し、医療、生活支援、スマート環境に適した高速で解釈可能な堅牢なHARシステムを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in sensor technology have enabled more effective human activity recognition (HAR), particularly in real-time systems with limited computational resources. However, Ultra-Wideband (UWB) radar data remain challenging due to high dimensionality, noise, complexity, and nonlinear characteristics. This research proposes a framework to efficiently reduce data size, uncover significant patterns, and classify six activity types (Standff, Liedown, Noactivity, Sit, Stand, and Walk) from UWB signals with high accuracy. Two novel dimensionality reduction techniques are introduced in this paper. The first, Clustered Polynomial Expansion with Incremental PCA (CPE-IPCA), combines clustering and polynomial feature expansion with Incremental PCA, preserving 100% of the variance in only 50 components. The second, Post-PCA Standardization Approach (PPSA), standardizes data after PCA and retains 99.1% of the variance in 80 components, achieving superior compression and computational efficiency compared to conventional nonlinear methods. Frequent patterns are identified using Apriori and FP-Growth, which are then classified with Random Forest and a Vector Space Model (VSM). The framework achieves 100% accuracy with Random Forest on CPE-IPCA and 99% on PPSA, while VSM attains 100% precision, recall, and F1 on PPSA and near-perfect performance on CPE-IPCA (precision 1.00, recall 0.98-1.00, F1 0.99-1.00), demonstrating a fast, interpretable, and robust HAR system suitable for healthcare, assisted living, and smart environments.
• Abstract（参考訳）: 近年のセンサ技術の進歩は、特に限られた計算資源を持つリアルタイムシステムにおいて、より効果的なヒューマンアクティビティ認識(HAR)を可能にしている。 しかし、UWB(Ultra-Wideband)レーダーデータは、高次元性、ノイズ、複雑さ、非線形特性のために依然として困難である。 本研究は,UWB信号から,データサイズを効率的に削減し,重要なパターンを発見,および6種類の活動タイプ(Standff, Liedown, Noactive, Sit, Stand, Walk)を高精度に分類するフレームワークを提案する。 本稿では,2つの新しい次元還元技術を紹介する。 最初のCPE-IPCA(Clustered Polynomial Expansion with Incremental PCA)は、クラスタリングと多項式特徴拡張をインクリメンタルPCAと組み合わせ、わずか50のコンポーネントで分散の100%を保存する。 第2のPPSA(Post-PCA Standardization Approach)は、PCA後のデータを標準化し、80のコンポーネントにおける分散の99.1%を保持し、従来の非線形手法よりも優れた圧縮と計算効率を実現する。 AprioriとFP-Growthはランダムフォレストとベクトル空間モデル(VSM)に分類される。 このフレームワークは、CPE-IPCAでRandom Forest、PPSAで99%、PPSAで100%精度、リコール、F1、CPE-IPCAでほぼ完璧なパフォーマンス(精度1.00、リコール0.98-1.00、F1 0.99-1.00)を達成し、医療、補助生活、スマート環境に適した高速で解釈可能なHARシステムを示している。

関連論文リスト

• Synthetic Network Packet Generation through Statistical Learning and Genetic Algorithms [6.42094170804706]
  本稿では,合成IoTネットワークパケット生成のための2つの制約付きアプローチを提案し,比較する。 ACI IoT 2023データセットの完全な評価は、両方のメソッドがすべてのカテゴリにわたるPASSステータスを達成することを示している。
  論文  参考訳（メタデータ） (2026-06-18T18:52:51Z)
• PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
  PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。 PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。 7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
  論文  参考訳（メタデータ） (2026-02-02T17:57:37Z)
• Time2Vec Transformer for Robust Gesture Recognition from Low-Density sEMG [1.231764991565978]
  本稿では筋電義手制御のための新しい,データ効率の高いディープラーニングフレームワークを提案する。 提案手法は, スパース2チャネル表面筋電図(sEMG)に最適化されたハイブリッドトランスフォーマーの実装である。 提案するフレームワークは, 迅速なパーソナライズが可能な次世代人工装具の堅牢で費用対効果の高い青写真を提供する。
  論文  参考訳（メタデータ） (2026-02-02T09:28:27Z)
• TempSamp-R1: Effective Temporal Sampling with Reinforcement Fine-Tuning for Video LLMs [67.55973229034319]
  本稿では,マルチモーダルな大規模言語モデル(MLLM)をビデオ時間的グラウンド処理に適応させることの有効性向上を目的とした,新しい強化微調整フレームワークであるTempSamp-R1を紹介する。 我々は、TempSamp-R1がGRPOベースのベースラインより優れており、ベンチマークデータセット上で新しい最先端のパフォーマンスを確立していることを示す。
  論文  参考訳（メタデータ） (2025-09-22T17:30:15Z)
• Efficient Federated Learning with Heterogeneous Data and Adaptive Dropout [62.73150122809138]
  Federated Learning(FL)は、複数のエッジデバイスを使用したグローバルモデルの協調トレーニングを可能にする、有望な分散機械学習アプローチである。 動的不均一モデルアグリゲーション(FedDH)と適応ドロップアウト(FedAD)の2つの新しい手法を備えたFedDHAD FLフレームワークを提案する。 これら2つの手法を組み合わせることで、FedDHADは精度(最大6.7%)、効率(最大2.02倍高速)、コスト(最大15.0%小型)で最先端のソリューションを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-07-14T16:19:00Z)
• Pyramid Sparse Transformer: Enhancing Multi-Scale Feature Fusion with Dynamic Token Selection [6.4838420747371766]
  Pyramid Sparse Transformer (PST)は、粗いトークン選択と共有アテンションパラメータを統合する軽量なプラグアンドプレイモジュールである。 PSTは、粗い注意のみを使用して訓練でき、推論時にシームレスに活性化され、再訓練することなくさらなる精度向上が期待できる。
  論文  参考訳（メタデータ） (2025-05-19T07:00:54Z)
• SCMPPI: Supervised Contrastive Multimodal Framework for Predicting Protein-Protein Interactions [0.0]
  本稿では,タンパク質-タンパク質相互作用予測のための新しい教師付きコントラスト型マルチモーダルフレームワークSCMPPIを提案する。 8つのベンチマークデータセットの実験では、最先端の精度(98.13%)とAUC(99.69%)と優れたクロス種一般化が示されている。 CD9ネットワーク、Wnt経路解析、がん特異的ネットワークで成功した応用は、さらに疾患標的発見の可能性を強調している。
  論文  参考訳（メタデータ） (2025-04-03T15:34:02Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)

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。