マルチモーダルデータに基づく人間の動作方向予測のための異なるアルゴリズムの比較研究

科学分野:

• 生体力学
• 人工知能
• ウェアラブルテクノロジー

背景:

• 正確な人間の動きの予測は、リハビリテーション、スポーツ科学、インテリジェントシステムにとって不可欠です。
• 既存の方法では、人間の動きの複雑な時空間的ダイナミクスを完全に捉えられない場合があります。

研究 の 目的:

• 正確な人間の動きの方向予測のためのハイブリッドディープラーニングモデルを開発および評価すること。
• CNN-BiLSTMモデルと他のディープラーニングアーキテクチャのパフォーマンスを比較すること。

主な方法:

• 畳み込みニューラルネットワーク（CNN）と双方向長短期記憶（BiLSTM）を統合したハイブリッドディープラーニングモデルを開発しました。
• 時空間的特徴学習のために足底圧および慣性センサーデータを利用しました。
• CNN、BiLSTM、CNN-LSTM、およびCNN-BiLSTMモデルとの比較実験を実施しました。

主要な成果:

• CNN-BiLSTMモデルは、RMSE（0.26）、MAE（0.14）が最も低く、R²が0.86と、優れたパフォーマンスを示しました。
• テストセットで高い適合精度と一般化能力を達成しました。
• 局所的な空間的特徴と双方向の時間的依存関係を効果的に捉えました。

結論:

• CNN-BiLSTMモデルは、リアルタイムの人間行動予測のための信頼できるフレームワークを提供します。
• 複雑な運動シナリオに対する強力な適応性を示します。
• インテリジェント歩行分析、ウェアラブルモニタリング、および人間と機械の相互作用における潜在的なアプリケーション。