Counting Activities Using Weakly Labeled Raw Acceleration Data: A Variable-Length Sequence Approach with Deep Learning to Maintain Event Duration Flexibility

Georgios Sopidis; Michael Haslgrübler-Huemer; Alois Ferscha

doi:10.3390/s23115057

Counting Activities Using Weakly Labeled Raw Acceleration Data: A Variable-Length Sequence Approach with Deep Learning to Maintain Event Duration Flexibility

Georgios Sopidis
, Michael Haslgrübler-Huemer
, Alois Ferscha

Institut für Pervasive Computing

Publikation: Beitrag in Fachzeitschrift › Artikel › Begutachtung

Originalsprache	Englisch
Aufsatznummer	5057
Seitenumfang	16
Fachzeitschrift	Sensors
Volume	23
Ausgabenummer	11
DOIs	https://doi.org/10.3390/s23115057
Publikationsstatus	Veröffentlicht - 25 Mai 2023

UN SDGs

Dieser Output leistet einen Beitrag zu folgendem(n) Ziel(en) für nachhaltige Entwicklung

SDG 9 – Industrie, Innovation und Infrastruktur

Wissenschaftszweige

202017 Embedded Systems
102 Informatik
102009 Computersimulation
102013 Human-Computer Interaction
102019 Machine Learning
102020 Medizinische Informatik
102021 Pervasive Computing
102022 Softwareentwicklung
102025 Verteilte Systeme
211902 Assistierende Technologien
211912 Produktgestaltung

JKU-Schwerpunkte

Digital Transformation

Zugriff auf Dokument

10.3390/s23115057

Andere Dateien und Links

Verknüpfung zur Publikation in Scopus

Pro2Future - Products and Production Systems of the Future
Egyed, A. (Forscher*in), Küng, J. (Forscher*in), Miethlinger, J. (Forscher*in), Müller, A. (Forscher*in), Schlacher, K. (Forscher*in), Streit, M. (Forscher*in) & Ferscha, A. (Projektleiter*in)
01.04.2017 → 31.03.2025
Projekt: Geförderte Forschung › FFG - Österreichische Forschungsförderungsgesellschaft

Dieses zitieren

@article{9a86999f956a418d9f0f7ea9b74558a4,

title = "Counting Activities Using Weakly Labeled Raw Acceleration Data: A Variable-Length Sequence Approach with Deep Learning to Maintain Event Duration Flexibility",

author = "Georgios Sopidis and Michael Haslgr{\"u}bler-Huemer and Alois Ferscha",

year = "2023",

month = may,

day = "25",

doi = "10.3390/s23115057",

language = "English",

volume = "23",

journal = "Sensors",

issn = "1424-8220",

publisher = "MDPI",

number = "11",

}

TY - JOUR

T1 - Counting Activities Using Weakly Labeled Raw Acceleration Data: A Variable-Length Sequence Approach with Deep Learning to Maintain Event Duration Flexibility

AU - Sopidis, Georgios

AU - Haslgrübler-Huemer, Michael

AU - Ferscha, Alois

PY - 2023/5/25

Y1 - 2023/5/25

UR - https://www.scopus.com/pages/publications/85161621345

U2 - 10.3390/s23115057

DO - 10.3390/s23115057

M3 - Article

C2 - 37299784

SN - 1424-8220

VL - 23

JO - Sensors

JF - Sensors

IS - 11

M1 - 5057

ER -

Counting Activities Using Weakly Labeled Raw Acceleration Data: A Variable-Length Sequence Approach with Deep Learning to Maintain Event Duration Flexibility

UN SDGs

Wissenschaftszweige

JKU-Schwerpunkte

Zugriff auf Dokument

Andere Dateien und Links

Projekte

Pro2Future - Products and Production Systems of the Future

Dieses zitieren