MétaCan
Menu
Retour à la cohorte
Enregistrement W3029887780 · doi:10.4018/978-1-7998-4381-8.ch007

Comprehensive Ontological Model for Senior Wellness Activity Recognition in Smart Homes

2020· book-chapter· en· W3029887780 sur OpenAlexaff
Hajar Khallouki, Rachid Benlamri, Abdulsalalm Yassine

Notice bibliographique

RevueAdvances in information security, privacy, and ethics book series · 2020
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésActivity recognitionOntologyContext (archaeology)Home automationIdentification (biology)InferenceSet (abstract data type)Computer scienceField (mathematics)Human–computer interactionSmart objectsSmart environmentArtificial intelligenceInternet privacyInternet of ThingsTelecommunicationsGeography

Résumé

récupéré en direct d'OpenAlex

There are several works in the field of smart homes for healthcare, with different types of sensors used to monitor medical, behavioral and environmental parameters for patients. In the context of smart home for the elderly, the use of sensors needs to be adapted to respect the privacy of elders and to work passively without the need for caregiver assistance. Most research in this area focused on activity recognition (e.g. eating, sleeping, watching TV, etc.) which may be defined as the identification of a sequence of actions (e.g. using microwave, lying down, etc.). In this chapter, we propose a comprehensive ontological model for well-being activity recognition in smart home. Our approach takes into account different aspects of the well-being context such as patient profile, object being used to perform the activity, the time of running the activity, its location, etc. In order to validate the proposed ontology and reason on it, we perform a set of queries and inference rules.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,868
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,015
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,067
Tête enseignante GPT0,304
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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in information security, privacy, and ethics book seriesMême sujetContext-Aware Activity Recognition SystemsTravaux en français237 207