@techreport{oai:ipsj.ixsq.nii.ac.jp:00212444,
 author = {長谷川, 達人 and 近藤, 和真 and Tatsuhito, Hasegawa and Kazuma, Kondo},
 issue = {25},
 month = {Aug},
 note = {センサを用いた人間行動認識において深層学習を用いた手法が数多く提案されている．中でも，深層学習とアンサンブル学習を併用する手法は強力な成果を発揮している．一方，アンサンブル学習を行うにはデータの分割や複数モデルを学習するなどの様々な手続きを要し，手間と計算コストがかかる．本研究では，行動認識を対象に深層学習のアンサンブル手法を解析することを通じて，単一モデルを End-to-End で訓練するだけでアンサンブルモデルと同等の推定精度を実現する手法の実現可能性を考察する．, Many methods based on deep learning have been proposed for sensor-based human activity recognition. Methods that combine deep learning and ensemble learning have especially shown powerful results. On the other hand, ensemble learning requires various procedures, such as data partitioning and training multiple models, which are time-consuming and computationally expensive. In this study, we analyze ensemble methods of deep learning for activity recognition, and examine the feasibility of a method that achieves estimation accuracy equivalent to that of ensemble models by simply training a single model in an end-to-end manner.},
 title = {センサベースの人間行動認識における深層学習アンサンブル手法に関する考察},
 year = {2021}
}