【4/18更新】CiNii ArticlesのCiNii Researchへの統合について

Stacked Denoising Autoencoderを用いた間欠的測定センサデータの復元

書誌事項

タイトル別名
  • Reconstruction of Intermittent Measurement Sensor Data Using Stacked Denoising Autoencoder

この論文をさがす

抄録

スマートフォンに搭載されたセンサを利用し,ユーザの状態を推定する研究が多数報告されているが,実用性の観点では各種センサを常時稼働させることによる消費電力が課題となる.そこで本研究では,各種センサの稼働を抑制することによりセンシングにおける省電力化を実現するとともに,深層学習のモデルであるStacked Denoising AutoEncoder(SDA)を用いて,サンプリングされたセンサログから元のセンサログを復元する手法を提案する.まず,スマートフォンに搭載された加速度センサとジャイロセンサを用いて,21名の試験参加者から計603日分のログを収集した.次に,収集したログを任意の時間幅でサンプリングすることによって意図的に間欠データを作成し,SDAを用いて間欠部の復元を行うモデルを構築した.その結果,提案手法はベースライン手法と比較して,復元精度が38.89%以上改善可能であることが示された.

Over the past few decades, a considerable number of studies have been conducted on user activity recognition using sensors mounted on smartphones. These studies have a problem that the power consumption of the smartphone increases because of operating various sensors at all times. To solve this problem, there is a simple method that reduces the sensor logs collection frequency. However, it is assumed that the user activity recognition accuracy decreases if the enough sensor log could not be collected. In this study, we propose a method to reduce the power consumption in sensing by suppressing the operation of various sensors, and reconstruct the original sensor log from sampled sensor log using Stacked Denoising Autoencoder (SDA). First, we collected accelerometer logs and gyro sensor logs for 603 days from 21 participants. Second, we constructed the model which reconstruct the original sensor logs from sampled sensor logs using SDA. Our results showed that the proposed method can improve the reconstruction accuracy by more than 38.89% compared with the baseline method.

収録刊行物

被引用文献 (0)*注記

もっと見る

参考文献 (0)*注記

もっと見る

関連論文

もっと見る

関連研究データ

もっと見る

関連図書・雑誌

もっと見る

関連博士論文

もっと見る

関連プロジェクト

もっと見る

関連その他成果物

もっと見る

詳細情報

  • CRID
    1050283688373701248
  • NII論文ID
    170000181689
  • NII書誌ID
    AN00116647
  • ISSN
    18827764
  • Web Site
    http://id.nii.ac.jp/1001/00203060/
  • 本文言語コード
    ja
  • 資料種別
    journal article
  • データソース種別
    • IRDB
    • CiNii Articles

問題の指摘

ページトップへ