パーソナルヘルスケアのための多様な人間活動のインテリジェントな認識

今日では、ウェアラブル消費者デバイスの進歩がヘルスケアガジェットにおいて主要な役割を果たしています。複雑なIoT環境において、多様な人間活動を強固に認識する需要があります。これらの認識モデルを用いて得られた知識は、ヘルスケアアプリケーションと組み合わされます。このようにして、本論文は多様な人間活動をマルチモーダルセンサーデータを使用して認識する新しいディープラーニングフレームワークを提案します。提案されたフレームワークは、データセットの使用と処理、ディープラーニングモデルの実装、性能分析、およびアプリケーション開発の4つのフェーズで構成されています。本論文では90人の18種類の異なる活動を持つ最近のKU-HARデータベースを利用しました。前処理後、極端な学習機械（ELM）とゲーテッドリカレントユニット（GRU）アーキテクチャを統合したハイブリッドモデルが使用されます。その後、IoT環境での人間活動認識の堅牢性をさらに高めるために注意機構が含まれています。最後に、提案されたモデルの性能が従来のCNN、LSTM、GRU、ELM、Transformerおよびアンサンブルアルゴリズムと比較分析されます。最終的に、Qtフレームワークを使用して、任意の消費者デバイスに展開可能なアプリケーションが開発されます。このようにして、研究は医療専門家が重要な患者の活動をリモートで監視することに光を当てます。提案されたELM-GRUaMモデルは、既存モデルと比較して全体精度96.71%で多様な人間活動を認識する際に優れた性能を達成しました。