MétaCan
Menu
Retour à la cohorte
Enregistrement W2564265686 · doi:10.82308/16598

A human head motion monitoring system based on an inertial measurement unit

2012· article· en· W2564265686 sur OpenAlexfundno aff
Kanishka Jayawardene

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Automated Systems
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésHead (geology)Inertial measurement unitUnits of measurementComputer scienceComputer visionUnit (ring theory)Artificial intelligenceGeologyMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Cette thèse décrit la conception et le développement d'une système d'enregistrement des mouvements de la tête reposant sur une unité de mesure inertielle. Le système doit être utilisé par des médecins pour caractériser les mouvements de tête avant et après une chirurgie correctrice effectuée sur le système vestibulaire alors que le patient est engagé dans ses activités journalières. Ce système doit également être utilise en médecine du sport afin de comparer les performances entre athlètes et les entraîneurs pour aider les athlètes à améliorer leurs techniques.Le système comprend une unité de mesure inertielle avec un accéléromètre trois axes, un gyroscope et un magnétomètre. Les données peuvent être enregistrées sur une carte micro-SD lors de la transmission de données et recevoir des commandes sans fil. Ce faisant, plusieurs techniques de traitement du signal tels que des filtres à réponse impulsionnelle finie et la fusion de signaux en utilisant des filtres de Kalman sont présentés. Tous les capteurs sont étalonnés pour garantir l'exactitude absolue. De plus, cette thèse se concentre sur les techniques de reconnaissance de forme basée sur la méthode de classification Bayesienne pour distinguer les différents activités quotidiennes des utilisateurs.

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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,052
Tête enseignante GPT0,251
Écart entre enseignants0,198 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetRobotics and Automated SystemsTravaux en français237 207