Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Harnessing Background Knowledge for E-Learning Recommendation Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Dendritic Cells for Behaviour Detection in Immersive Virtual Reality Training

verfasst von : N. M. Y. Lee, H. Y. K. Lau, R. H. K. Wong, W. W. L. Tam, L. K. Y. Chan

Erschienen in: Research and Development in Intelligent Systems XXXIII

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper presents a cross-disciplinary research of artificial intelligence (AI) and virtual reality (VR) that presents a real application of an aircraft door operation training conducted in an immersive virtual environment. In the context of the study, AI takes an imperative role in distinguishing misbehaviour of trainees such as inappropriate steps and positions in the virtual training environment that mimics a real training scenario. Trainee’s behaviours are detected by the classical Dendritic Cell Algorithm (DCA) which is a signal-based classification approach that is inspired from the segmented detection and interaction with the signal molecules mechanisms of the human dendritic cells. The resulted approach demonstrated accurate detection and classification processes that are evidence in the experimental studies. This position paper also reveals the ability of the DCA method in human behaviour detection/classification in a dynamic environment.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Spice Model Generation from EM Simulation Data Using Integer Coded Genetic Algorithms
Nächstes Kapitel Interactive Evolutionary Generative Art
Literatur
1.
Butler, D.: A world where everyone has a robot: why 2040 could blow your mind. Nature 530, 398–401 (2016)CrossRef
2.
Gu, Y., Sosnovsky, S.: Recognition of student intentions in a virtual reality training environment. In Proceedings of the companion publication of the 19th international conference on Intelligent User Interfaces, pp. 69–72. ACM (2014)
3.
Zhang, Z., Liu, Y., Li, A., Wang, M.: A novel method for user-defined human posture recognition using Kinect. In: 7th International Congress on IEEE Image and Signal Processing (CISP), pp. 736–740 (2014)
4.
Parsons, T.D., Trost, Z.: Virtual reality graded exposure therapy as treatment for pain-related fear and disability in chronic pain. In: Virtual, Augmented Reality and Serious Games for Healthcare, vol. 1, pp. 523–546 (2014)
5.
Amokrane, K., Lourdeaux, D.: Virtual reality contribution to training and risk prevention. In: Proceedings of the International Conference of Artificial Intelligence (ICAI’09). Las Vegas, Nevada, USA. (2009)
6.
Amokrane, K., Lourdeaux, D., Michel, G.: Serious game based on virtual reality and artificial intelligence. ICAART 1, 679–684 (2014)
7.
Barot, C., Lourdeaux, D., Burkhardt, J.M., Amokrane, K., Lenne, D.: v3s: a virtual environment for risk-management training based on human-activity models. Presence Teleoperators Virtual Env. 22(1), 1–19 (2013)CrossRef
8.
Kamath, R. S.: Development of intelligent virtual environment by natural language processing. Special issue of International Journal of Latest Trends in Engineering and Technology (2013)
9.
Lin, F., Ye, L., Duffy, V.G., Su, C.J.: Developing virtual environments for industrial training. Inf. Sci. 140(1), 153–170 (2002)CrossRefMATH
10.
Fillatreau, P., Fourquet, J.Y., Le Bolloc’H, R., Cailhol, S., Datas, A., Puel, B.: Using virtual reality and 3D industrial numerical models for immersive interactive checklists. Comput. Ind. 64(9), 1253–1262 (2013)CrossRef
11.
Chaudhary, A., Raheja, J.L., Das, K., Raheja, S.: Intelligent approaches to interact with machines using hand gesture recognition in natural way: a survey (2013)
12.
Barzilay, O., Wolf, A.: Adaptive rehabilitation games. J. Electromyogr. Kinesiol. 23(1), 182–189 (2013)CrossRef
13.
Greensmith, J.: The dendritic cell algorithm. Nottingham Trent University (2007)
14.
Chan, L.K., Lau, H.Y.K.: A tangible user interface using spatial Augmented Reality. In: IEEE Symposium on 3D User Interfaces (3DUI), pp. 137–138 (2010)
15.
Matzinger, P.: Tolerance, danger, and the extended family. Annu. Rev. Immunol. 12, 991–1045 (1994)CrossRef
16.
Burnet, F.M., Fenner, F.: The Production of Antibodies, 2nd edn. Macmillan, Melbourne (1949)
17.
Greensmith, J., Aickelin, U., Cayzer, S.: Introducing dendritic cells as a novel immune-inspired algorithm for anomaly detection. Artif. Immune Syst. 153–167 (2005)
18.
Kim, J., Bentley, P.J., Aickelin, U., Greensmith, J., Tedesco, G., Twycross, J.: Immune system approaches to intrusion detection-a review. Nat. Comput. 6(4), 413–466 (2007)MathSciNetCrossRefMATH
19.
Amokrane, K., Lourdeaux, D., Burkhardt, J.: HERA: learner tracking in a virtual environment. Int. J. Virtual Real. 7(3), 23–30 (2008)
Metadaten
Titel
Dendritic Cells for Behaviour Detection in Immersive Virtual Reality Training
verfasst von
N. M. Y. Lee
H. Y. K. Lau
R. H. K. Wong
W. W. L. Tam
L. K. Y. Chan
Copyright-Jahr
2016
Buch
Research and Development in Intelligent Systems XXXIII

Print ISBN: 978-3-319-47174-7

Electronic ISBN: 978-3-319-47175-4

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-47175-4_27