WEKO3
アイテム
ブランケット条件に対応したマルチモーダル機械学習を用いた起床予測IoTシステム
https://ipsj.ixsq.nii.ac.jp/records/242163
https://ipsj.ixsq.nii.ac.jp/records/2421638481613f-fcd9-4a03-a269-d0ca774b53d8
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-DCC25039004.pdf (1.3 MB)
2027年1月16日からダウンロード可能です。
|
Copyright (c) 2025 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, DCC:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2025-01-16 | |||||||||
| タイトル | ||||||||||
| タイトル | ブランケット条件に対応したマルチモーダル機械学習を用いた起床予測IoTシステム | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Bed Rise Prediction IoT System under Varying Blanket Conditions using Multimodal Machine Learning | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | AIと機械学習の応用 | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 三重大学 | ||||||||||
| 著者所属 | ||||||||||
| 三重大学 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Mie University | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Mie University | ||||||||||
| 著者名 |
小川, 棋一
× 小川, 棋一
× 森本, 尚之
|
|||||||||
| 著者名(英) |
Kiichi, Ogawa
× Kiichi, Ogawa
× Naoyuki, Morimoto
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 本研究では，低解像度赤外線センサと加速度センサを使用したマルチモーダル機械学習による起床予測 IoT システムを提案する．本システムは，起床動作に先行する姿勢変化を基に CNN-LSTM を用いて起床を予測し，介護者が高齢者の元に向かうまでの時間で発生する転倒や怪我のリスクを軽減することが目的である．低解像度赤外線センサと加速度センサの活用により，利用者のプライバシーを保護し，かつリソース制約のある小型デバイスでも動作可能なシステムの実現を目指している．ブランケットの厚さによる赤外線データの違いを考慮して，ブランケットなし，薄いブランケット，厚いブランケットの条件で，赤外線データと加速度データを組み合わせたモデルの性能を調査した．この調査結果を踏まえて，本研究ではさらに，学習率の調整や初期重みの改善による性能ばらつきの低減，加速度データの統計量の活用，結合手法の違いによる性能評価を行った．結果として，初期重みの改善と，Feature Fusion の結合手法を適用した提案モデルで，最も性能が良くなった． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | In this paper, we propose bed rise prediction IoT system under varying blanket conditions using an accelerometer and a low-resolution infrared sensor as multimodal machine learning. The system predicts bed rise actions based on CNN-LSTM from the movements observed prior to a bed rise action, therefore we aim to reduce some risks, i.e., elderly individuals injuring themselves and falls. Furthermore, we investigate how combining two sensor data affects the performances under three conditions: no blanket, thin blanket, and thick blanket. The result has demonstrated the accuracy improved slightly under the blanket conditions when using both, compared to using only infrared data. Additionally, based on the initial result, we investigate the following aspects: reducing performance variability through only learning rate adjustments and improvements in initial weight determination, utilizing statistical features of acceleration data, and evaluating the impact of different fusion methods in multimodal models. As a result, the proposed model, incorporating improved initial weights and applying the Feature Fusion method, has achieved the best performance. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA12628338 | |||||||||
| 書誌情報 |
研究報告デジタルコンテンツクリエーション（DCC） 巻 2025-DCC-39, 号 4, p. 1-8, 発行日 2025-01-16 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8868 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
