A wealth of sensing opportunities.

A wealth of sensing opportunities. A vast body of literature has focused on how to make the most of smartphone sensors [76].
A great deal of work on mobile phone sensing was contributed by Andrew Campbell of Dartmouth and his group. Campbell’s
group developed CenceMe [77], a human-centric system that could infer context information about users of sensor-enabled
mobile phones by applying machine learning techniques to the sensory input from the microphone, the accelerometer,
the camera, and the Bluetooth radio (to assess how social the user is based on the number of Bluetooth contacts). In the
NeuroPhone system [78], neural signals are employed to control mobile phones to achieve hands-free human–mobile
interaction using cheap off-the-shelf wireless electroencephalography (EEG) headsets. The EyePhone system [79] tracks
the user’s eye movement across the phone’s display using the camera mounted on the front of the phone and machine
learning algorithms are used to infer the eye’s position on the display and detect eye blinks that emulate mouse clicks.
SoundSense [80] focuses on the microphone as a sensor and offers a sound classification system designed to cope with
the computational limitations of smartphones. Other notable contributions include Darwin [81], a collaborative sensing
system to pool the collective sensing capabilities of multiple smartphones, VibN [82], which uses accelerometer, audio, and
localization sensor data to determine what is happening around the user, and Jigsaw [83], a continuous sensing engine that
addresses the challenges of long-term sensing, such as energy-efficiency.

ผลลัพธ์ (ไทย) 1:

ให้เลือกมากมายของการตรวจวัดโอกาส ร่างกายมากมายของวรรณกรรมได้เน้นวิธีการให้มากสุดของสมาร์ทโฟนเซ็นเซอร์ [76]ทำงานบนโทรศัพท์มือถือไร้สายมากถูกส่วน โดยแอนดรูว์ Campbell ดาร์ทเมาท์และกลุ่มของเขา ของ Campbellกลุ่มพัฒนา CenceMe [77], ระบบเกี่ยวกับบุคคลที่สามารถเข้าใจบริบทข้อมูลเกี่ยวกับผู้ใช้เปิดใช้งานเซนเซอร์โทรศัพท์มือถือ โดยใช้เทคนิคการเรียนรู้ของเครื่องรับสัญญาณรับความรู้สึกจากไมโครโฟน accelerometerกล้อง และวิทยุบลูทูธ (เพื่อประเมินว่าสังคมผู้ใช้ตามหมายเลขผู้ติดต่อบลูทูธ) ในระบบ NeuroPhone [78], พนักงานควบคุมโทรศัพท์มือถือให้ฟรีมือมนุษย์ – เคลื่อนสัญญาณประสาทการโต้ตอบใช้หู electroencephalography off-the-shelf ไร้สาย (EEG) ราคาประหยัด เพลง EyePhone [79] ของระบบเคลื่อนไหวตาผู้ผ่านจอแสดงผลของโทรศัพท์โดยใช้กล้องที่ติดบนด้านหน้าของโทรศัพท์และเครื่องใช้อัลกอริทึมการเรียนรู้ตำแหน่งของตาในการแสดงผล และตรวจจับกะพริบตาที่จำลองการคลิกเมาส์SoundSense [80] เน้นไมโครโฟนเป็นเซนเซอร์ และมีระบบเสียงประเภทที่ออกแบบมาเพื่อรับมือกับข้อจำกัดการคำนวณของสมาร์ทโฟน ผลงานโดดเด่นอื่น ๆ ได้แก่ดาร์วิน [81], ตรวจการทำงานร่วมกันระบบสระว่ายน้ำความสามารถ sensing รวมของสมาร์ทโฟนหลาย VibN [82], ซึ่งใช้ accelerometer เสียง และเครื่องยนต์ที่แปลข้อมูลเซนเซอร์เพื่อตรวจสอบสิ่งที่เกิดขึ้นรอบตัวผู้ใช้ จิ๊กซอว์ [83], การตรวจวัดอย่างต่อเนื่องที่อยู่ของระยะยาวไร้สาย เช่นประสิทธิภาพของพลังงาน

ผลลัพธ์ (ไทย) 2:

ความมั่งคั่งของโอกาสในการตรวจจับ ร่างกายใหญ่ของวรรณกรรมมีความสำคัญกับวิธีการที่จะทำให้มากที่สุดของเซ็นเซอร์มาร์ทโฟน [76].
การจัดการที่ดีของการทำงานในการตรวจจับโทรศัพท์มือถือก็มีส่วนด้วยแอนดรูแคมป์เบลดาร์ตมั ธ และกลุ่มของเขา แคมป์เบลกลุ่มพัฒนา CenceMe [77] ซึ่งเป็นระบบของมนุษย์เป็นศูนย์กลางที่สามารถสรุปข้อมูลบริบทเกี่ยวกับผู้ใช้ที่เปิดใช้งานเซ็นเซอร์โทรศัพท์มือถือโดยใช้เทคนิคการเรียนรู้เครื่องไปยังประสาทจากไมโครโฟน, accelerometer ที่กล้องและวิทยุบลูทูธ ( เพื่อประเมินว่าสังคมผู้ใช้จะขึ้นอยู่กับจำนวนของรายชื่อบลูทู ธ ) ในระบบ NeuroPhone [78] สัญญาณประสาทที่ถูกว่าจ้างในการควบคุมโทรศัพท์มือถือเพื่อให้บรรลุแฮนด์ฟรีโทรศัพท์มือถือที่มนุษย์มีปฏิสัมพันธ์โดยใช้ราคาปิดไร้สายชั้นelectroencephalography (EEG) หูฟัง ระบบ EyePhone [79] ติดตามการเคลื่อนไหวดวงตาของผู้ใช้ทั่วหน้าจอโทรศัพท์โดยใช้กล้องที่ติดตั้งอยู่ด้านหน้าของโทรศัพท์และเครื่องเรียนรู้ขั้นตอนวิธีการที่ใช้ในการสรุปตำแหน่งของตาบนจอแสดงผลและตรวจสอบการกระพริบตาที่เลียนแบบการคลิกเมาส์. SoundSense [ 80] มุ่งเน้นไปที่ไมโครโฟนเป็นเซ็นเซอร์และมีระบบการจำแนกเสียงที่ออกแบบมาเพื่อรับมือกับข้อ จำกัด ในการคำนวณมาร์ทโฟน ผลงานที่โดดเด่นอื่น ๆ ได้แก่ ดาร์วิน [81] การตรวจจับการทำงานร่วมกันของระบบสระว่ายน้ำความสามารถในการตรวจจับรวมของมาร์ทโฟนหลายVibN [82] ซึ่งใช้ accelerometer เสียงและข้อมูลเซ็นเซอร์การแปลเพื่อตรวจสอบสิ่งที่เกิดขึ้นรอบผู้ใช้และจิ๊กซอว์[ 83] ซึ่งเป็นเครื่องมือตรวจวัดอย่างต่อเนื่องที่อยู่กับความท้าทายของการตรวจจับในระยะยาวเช่นพลังงานอย่างมีประสิทธิภาพ

ผลลัพธ์ (ไทย) 3:

ความมั่งคั่งของโอกาสตรวจจับ . ร่างใหญ่ของวรรณคดีได้เน้นวิธีการให้มากที่สุดของเซ็นเซอร์มาร์ทโฟน [ 76 ] .
การจัดการที่ดีของการทำงานบนโทรศัพท์มือถือตรวจจับภาวะโดย Andrew Campbell ของดาร์ทเมาท์และกลุ่มของเขา แคมป์เบล
กลุ่มพัฒนา cenceme [ 77 ] มนุษย์เป็นศูนย์กลางระบบที่ไม่สามารถอนุมานบริบทข้อมูลเกี่ยวกับผู้ใช้ของเซ็นเซอร์เปิด
โทรศัพท์มือถือโดยใช้เครื่องเรียนรู้เทคนิคการป้อนข้อมูลทางประสาทสัมผัสจากไมโครโฟน , accelerometer ,
กล้องและวิทยุบลูทู ธ ( เพื่อประเมินวิธีการที่สังคมผู้ใช้จะขึ้นอยู่กับจำนวนของที่ติดต่อบลูทู ธ ) ในระบบ neurophone
[ 78 ] สัญญาณประสาทที่ใช้เพื่อให้บรรลุการควบคุมโทรศัพท์มือถือแฮนด์ฟรีโทรศัพท์มือถือ
มนุษย์และการปฏิสัมพันธ์โดยใช้ราคาถูกปิดชั้นไร้สายการบันทึกคลื่นไฟฟ้าสมอง ( EEG ) หูฟัง ระบบ eyephone [ 79 ] เพลง
การเคลื่อนไหวของดวงตาของผู้ใช้ผ่านโทรศัพท์แสดงการใช้กล้องติดตั้งอยู่บนด้านหน้าของโทรศัพท์และเครื่อง
อัลกอริทึมการเรียนรู้ใช้ในการอนุมานของตาแหน่งบนจอแสดงผล และตรวจตากระพริบที่เลียนแบบ
คลิกเมาส์soundsense [ 80 ] เน้นไมโครโฟนเป็นเซ็นเซอร์และเสนอระบบการจำแนกเสียงที่ออกแบบมาเพื่อรับมือกับ
ข้อจำกัดเชิงคำนวณของมาร์ทโฟน ผลงานเด่นอื่น ๆรวมถึงดาร์วิน [ 81 ] , ร่วมมือใช้ระบบพูล ร่วมกันตรวจวัด
ความสามารถของสมาร์ทโฟนหลาย vibn [ 82 ] ซึ่งใช้ accelerometer , เสียง , และ
ข้อมูลเซ็นเซอร์จำกัดเพื่อตรวจสอบสิ่งที่เกิดขึ้นรอบตัวผู้ใช้และจิ๊กซอว์ [ 83 ] ต่อเนื่องจากเครื่องยนต์ที่
ที่อยู่กับความท้าทายของการระยะยาว เช่น การใช้พลังงานอย่างมีประสิทธิภาพ