単一慣性センサとアンサンブル学習を活用した競泳中のターン区間推定  [in Japanese] Estimation Method of Turn Section During Swimming by Using Ensemble Learning and Single Inertial Sensor  [in Japanese]

Access this Article

Search this Article

Author(s)

    • 小林 幹京 KOBAYASHI Masahiro
    • 長岡技術科学大学大学院工学研究科 情報・経営システム工学専攻 Department of Information and Management Systems Engineering, Nagaoka University of Technology
    • 大前 佑斗 OMAE Yuto
    • 東京工業高等専門学校 電気工学科 Department of Electrical Engineering, National Institute of Technology, Tokyo College
    • 酒井 一樹 SAKAI Kazuki
    • 長岡工業高等専門学校 電子制御工学科 Department of Electronic Control Engineering, National Institute of Technology, Nagaoka College
    • 塩野谷 明 SHIONOYA Akira
    • 長岡技術科学大学大学院工学研究科 情報・経営システム工学専攻 Department of Information and Management Systems Engineering, Nagaoka University of Technology
    • 高橋 弘毅 TAKAHASHI Hirotaka
    • 長岡技術科学大学大学院工学研究科 情報・経営システム工学専攻 Department of Information and Management Systems Engineering, Nagaoka University of Technology

Abstract

<p>我々は,単一慣性センサを活用した初級から中級競泳選手向けの競泳指導システム構築を目指している.このシステムの要件の1つに取得した競技中のセンサデータから泳動作(ストローク,ターン動作)を自動で推定するという課題が存在する.非アンサンブル学習によって泳動作の自動推定を試みた先行研究では,個人によって異なる動作パターンを除去しきれず,汎化能力が低いという課題があった.本論文では,各泳動作内での個人によらない共通のパターンを学習し,より精度の高い動作推定を実現させるため,アンサンブル学習の1つであるランダムフォレストを活用したターン区間の推定を行った.その結果,4泳法全てにおいて,従来の非アンサンブル学習の手法よりも高精度でターン区間を推定できることが示唆された.</p>

<p>We aim to develop a swimming motion coaching system for beginner and/or intermediate swimmers using a single inertial sensor. One of the requirements of the system is the process of automatically estimating and dividing the section of swimming motions (such as stroke and turn) from the sensor data. In the previous study which performed automatic estimation of the swimming motion by non ensemble learning, it was impossible to remove the different motion patterns by individuals, and the generalization ability was low. In this paper, in order to learn a common pattern in each motion and realize the motion estimation with high accuracy, we proposed an estimation method of the turn section by using random forest which is one of ensemble learning. As a result, it was suggested that the turn section could be estimated with higher accuracy than non ensemble learning method in all four swimming styles.</p>

Journal

  • Journal of Japan Society for Fuzzy Theory and Intelligent Informatics

    Journal of Japan Society for Fuzzy Theory and Intelligent Informatics 31(1), 597-602, 2019

    Japan Society for Fuzzy Theory and Intelligent Informatics

Codes

  • NII Article ID (NAID)
    130007594758
  • NII NACSIS-CAT ID (NCID)
    AA1181479X
  • Text Lang
    JPN
  • ISSN
    1347-7986
  • NDL Article ID
    029528978
  • NDL Call No.
    Z15-649
  • Data Source
    NDL  J-STAGE 
Page Top