MétaCan
Menu
Retour à la cohorte
Enregistrement W1943340832 · doi:10.1155/2015/212657

Towards Independency Using LMN4DISABLED System for Disabled

2015· article· en· W1943340832 sur OpenAlexaff
Wael Hosny Fouad Aly

Notice bibliographique

RevueInternational Journal of Distributed Sensor Networks · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWheelchairDisabled peopleDijkstra's algorithmHuman–computer interactionWirelessRouting (electronic design automation)Embedded systemShortest path problemPhysical medicine and rehabilitationTelecommunicationsWorld Wide WebTheoretical computer science

Résumé

récupéré en direct d'OpenAlex

We propose a wireless based system to localize, monitor, and navigate people with a single type of disability. The proposed system is called LMN4DISABLED. Smartphone devices are used as interfaces for disabled people to communicate with the surrounding environments. This paper studies two types of disabilities (1) blind people and (2) people on wheelchairs with no mental deficiencies. Experiments are performed on a three-floor university building. Sensor nodes and cameras are distributed in all rooms and hallways. Dijkstra routing algorithm is used to select the appropriate route for each profile. New localization algorithm is used in the experiments. Experiments show that LMN4DISABLED outperforms reference experiments that are not using LMN4DISABLED by about 50.8% for different types of disabilities. When separating the performance of the blind disabled people from the performance of the people on wheelchairs, experiments show that the blind performance improved by 55% while wheelchair users improved by 47% when using the LMN4DISABLED system compared to basic reference experiments for the same people that did not use the LMN4DISABLED.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,264
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Distributed Sensor NetworksMême sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207