| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2016-07-16 14:00 機械学習を用いた深部体温の推定に関する研究 ○宮島洋文・樽見 航・土居裕和・小林 透・篠原一之（長崎大）  LOIS2016-18 |
|
| 抄録 | （和） | 人間の深部体温は, 健康状態を図るうえで重要な情報であるものの, 測定の際に被測定者に多大な負担がかかることが知られている. そこで, 被測定者への負担が少ない情報を用いて, 数学・科学的モデルにより深部体温を予測する手法がいくつか提案されている. しかしながら, それらは不確実な環境下での運用を想定していない. そこで, 本稿では不確実性を容認する手法として知られている3層型ニューラルネットワークおよび簡略型ファジィ推論法により, 測定が容易な情報から深部体温を推定する手法の提案を行った. また, 数値シミュレーションにおいて, 提案手法の特徴および有効性を示した. |
| （英） | It is important to know the information of deep body temperature, but difficult to measure it. There are some systems to estimate the deep body temperature, but they cannot be used in some cases. In this paper, we propose two inference systems of deep body temperature. One inference system consists of three layered neural network and the other consists of fuzzy inference system. It is known that neural network and fuzzy inference system can be used in many cases. We compare these methods by using two simulations. | |
| キーワード | （和） | 深部体温 / 機械学習 / ニューラルネットワーク / ファジィ推論法 / / / / |
| （英） | deep body temperature / machine learning / neural network / fuzzy inference system / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 138, LOIS2016-18, pp. 57-62, 2016年7月. | |
| 資料番号 | LOIS2016-18 | |
| 発行日 | 2016-07-08 (LOIS) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | LOIS2016-18 |
|
| 研究会情報 | |
| 研究会 | LOIS IPSJ-DC |
| 開催期間 | 2016-07-15 - 2016-07-16 |
| 開催地（和） | 広島RCC文化センター |
| 開催地（英） | Hiroshima RCC Culture Center |
| テーマ（和） | ライフログ活用技術、オフィス情報システム、文書デジタル化の初期段階、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | LOIS |
| 会議コード | 2016-07-LOIS-DC |
| 本文の言語 | 日本語 |
| タイトル（和） | 機械学習を用いた深部体温の推定に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | Studies on inference system of deep body temperature by using machine learning methods |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深部体温 / deep body temperature |
| キーワード(2)（和/英） | 機械学習 / machine learning |
| キーワード(3)（和/英） | ニューラルネットワーク / neural network |
| キーワード(4)（和/英） | ファジィ推論法 / fuzzy inference system |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 宮島 洋文 / Hirofumi Miyajima / ミヤジマ ヒロフミ |
| 第1著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 樽見 航 / Wataru Tarumi / ワタル タルミ |
| 第2著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 土居 裕和 / Hirokazu Doi / ヒロカズ ドイ |
| 第3著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 小林 透 / Toru Kobayashi / トオル コバヤシ |
| 第4著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 篠原 一之 / Kazuyuki Shinohara / カズユキ シノハラ |
| 第5著者 所属（和/英） | 長崎大学 (略称： 長崎大) Nagasaki University (略称： Nagasaki Univ.) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-07-16 14:00:00 |
| 発表時間 | 30分 |
| 申込先研究会 | LOIS |
| 資料番号 | LOIS2016-18 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.138 |
| ページ範囲 | pp.57-62 |
| ページ数 | 6 |
| 発行日 | 2016-07-08 (LOIS) |
[研究会発表申込システムのトップページに戻る]