A human head motion monitoring system based on an inertial measurement unit
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".