JP2022547461A - シミュレーション動物データ及びモデルを生成するためのシステム - Google Patents
シミュレーション動物データ及びモデルを生成するためのシステム Download PDFInfo
- Publication number
- JP2022547461A JP2022547461A JP2022514191A JP2022514191A JP2022547461A JP 2022547461 A JP2022547461 A JP 2022547461A JP 2022514191 A JP2022514191 A JP 2022514191A JP 2022514191 A JP2022514191 A JP 2022514191A JP 2022547461 A JP2022547461 A JP 2022547461A
- Authority
- JP
- Japan
- Prior art keywords
- data
- simulation
- animal data
- animal
- simulations
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 241001465754 Metazoa Species 0.000 title claims abstract description 461
- 238000000034 method Methods 0.000 claims abstract description 156
- 238000004088 simulation Methods 0.000 claims description 594
- 238000005259 measurement Methods 0.000 claims description 103
- 230000009471 action Effects 0.000 claims description 77
- 238000013528 artificial neural network Methods 0.000 claims description 73
- 239000000047 product Substances 0.000 claims description 53
- 230000036541 health Effects 0.000 claims description 41
- 230000000694 effects Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 22
- 238000011282 treatment Methods 0.000 claims description 22
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000003190 augmentative effect Effects 0.000 claims description 17
- 239000013060 biological fluid Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 12
- 230000000306 recurrent effect Effects 0.000 claims description 12
- 230000036571 hydration Effects 0.000 claims description 11
- 238000006703 hydration reaction Methods 0.000 claims description 11
- 210000004369 blood Anatomy 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 8
- 210000003205 muscle Anatomy 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 239000013589 supplement Substances 0.000 claims description 8
- 239000008358 core component Substances 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000036772 blood pressure Effects 0.000 claims description 5
- 210000004209 hair Anatomy 0.000 claims description 5
- 230000003155 kinesthetic effect Effects 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 239000004744 fabric Substances 0.000 claims description 4
- 230000001537 neural effect Effects 0.000 claims description 4
- 230000006403 short-term memory Effects 0.000 claims description 4
- 210000001519 tissue Anatomy 0.000 claims description 4
- 230000017531 blood circulation Effects 0.000 claims description 3
- -1 garment Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000000926 neurological effect Effects 0.000 claims description 3
- 210000000056 organ Anatomy 0.000 claims description 3
- 238000006213 oxygenation reaction Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 210000003462 vein Anatomy 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 210000004204 blood vessel Anatomy 0.000 claims description 2
- 230000036757 core body temperature Effects 0.000 claims description 2
- 230000001815 facial effect Effects 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 238000013139 quantization Methods 0.000 claims description 2
- 230000001373 regressive effect Effects 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 231100000430 skin reaction Toxicity 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 description 27
- 238000012544 monitoring process Methods 0.000 description 22
- 239000003814 drug Substances 0.000 description 19
- 230000033001 locomotion Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 19
- 241000282414 Homo sapiens Species 0.000 description 18
- 229940079593 drug Drugs 0.000 description 18
- 238000012549 training Methods 0.000 description 18
- 230000000007 visual effect Effects 0.000 description 18
- 230000008859 change Effects 0.000 description 17
- 210000002569 neuron Anatomy 0.000 description 17
- 230000008901 benefit Effects 0.000 description 16
- 230000008827 biological function Effects 0.000 description 14
- 239000000306 component Substances 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 13
- 210000004027 cell Anatomy 0.000 description 13
- 230000004044 response Effects 0.000 description 13
- 241000283086 Equidae Species 0.000 description 12
- 241000282412 Homo Species 0.000 description 12
- 238000010801 machine learning Methods 0.000 description 11
- 230000036387 respiratory rate Effects 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 239000008103 glucose Substances 0.000 description 9
- 208000010125 myocardial infarction Diseases 0.000 description 9
- 238000013480 data collection Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 101150049278 US20 gene Proteins 0.000 description 7
- 230000001965 increasing effect Effects 0.000 description 7
- 208000027418 Wounds and injury Diseases 0.000 description 6
- 230000004913 activation Effects 0.000 description 6
- 230000004071 biological effect Effects 0.000 description 6
- 230000006378 damage Effects 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 208000014674 injury Diseases 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000011045 prefiltration Methods 0.000 description 6
- 210000004243 sweat Anatomy 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 4
- 230000001351 cycling effect Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- VYFYYTLLBUKUHU-UHFFFAOYSA-N dopamine Chemical compound NCCC1=CC=C(O)C(O)=C1 VYFYYTLLBUKUHU-UHFFFAOYSA-N 0.000 description 4
- 238000002567 electromyography Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- OVBPIULPVIDEAO-LBPRGKRZSA-N folic acid Chemical compound C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-LBPRGKRZSA-N 0.000 description 4
- JYGXADMDTFJGBT-VWUMJDOOSA-N hydrocortisone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 JYGXADMDTFJGBT-VWUMJDOOSA-N 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 235000016709 nutrition Nutrition 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000037081 physical activity Effects 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 210000003296 saliva Anatomy 0.000 description 4
- 238000013179 statistical model Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 230000001755 vocal effect Effects 0.000 description 4
- 208000009119 Giant Axonal Neuropathy Diseases 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 201000003382 giant axonal neuropathy 1 Diseases 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 235000018102 proteins Nutrition 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 230000001179 pupillary effect Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000007958 sleep Effects 0.000 description 3
- 210000002700 urine Anatomy 0.000 description 3
- SFLSHLFXELFNJZ-QMMMGPOBSA-N (-)-norepinephrine Chemical compound NC[C@H](O)C1=CC=C(O)C(O)=C1 SFLSHLFXELFNJZ-QMMMGPOBSA-N 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 2
- 108010082126 Alanine transaminase Proteins 0.000 description 2
- 102000002260 Alkaline Phosphatase Human genes 0.000 description 2
- 108020004774 Alkaline Phosphatase Proteins 0.000 description 2
- 108010003415 Aspartate Aminotransferases Proteins 0.000 description 2
- 102000004625 Aspartate Aminotransferases Human genes 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000001712 DNA sequencing Methods 0.000 description 2
- 241001522296 Erithacus rubecula Species 0.000 description 2
- 208000001613 Gambling Diseases 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 206010049565 Muscle fatigue Diseases 0.000 description 2
- OVBPIULPVIDEAO-UHFFFAOYSA-N N-Pteroyl-L-glutaminsaeure Natural products C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)NC(CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-UHFFFAOYSA-N 0.000 description 2
- 241000288906 Primates Species 0.000 description 2
- 102000007066 Prostate-Specific Antigen Human genes 0.000 description 2
- 108010072866 Prostate-Specific Antigen Proteins 0.000 description 2
- 208000036142 Viral infection Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 230000007177 brain activity Effects 0.000 description 2
- 210000004958 brain cell Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000035487 diastolic blood pressure Effects 0.000 description 2
- 229960003638 dopamine Drugs 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 229960000304 folic acid Drugs 0.000 description 2
- 235000019152 folic acid Nutrition 0.000 description 2
- 239000011724 folic acid Substances 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 229960000890 hydrocortisone Drugs 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 229960002748 norepinephrine Drugs 0.000 description 2
- SFLSHLFXELFNJZ-UHFFFAOYSA-N norepinephrine Natural products NCC(O)C1=CC=C(O)C(O)=C1 SFLSHLFXELFNJZ-UHFFFAOYSA-N 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000000718 qrs complex Methods 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- QZAYGJVTTNCVMB-UHFFFAOYSA-N serotonin Chemical compound C1=C(O)C=C2C(CCN)=CNC2=C1 QZAYGJVTTNCVMB-UHFFFAOYSA-N 0.000 description 2
- 230000008093 supporting effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000035900 sweating Effects 0.000 description 2
- 230000035488 systolic blood pressure Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000009385 viral infection Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 239000000275 Adrenocorticotropic Hormone Substances 0.000 description 1
- 102000009027 Albumins Human genes 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 208000007848 Alcoholism Diseases 0.000 description 1
- 239000004382 Amylase Substances 0.000 description 1
- 102000013142 Amylases Human genes 0.000 description 1
- 108010065511 Amylases Proteins 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 208000035143 Bacterial infection Diseases 0.000 description 1
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- 101800000414 Corticotropin Proteins 0.000 description 1
- 241000938605 Crocodylia Species 0.000 description 1
- 241000255925 Diptera Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 102100021022 Gastrin Human genes 0.000 description 1
- 108010052343 Gastrins Proteins 0.000 description 1
- 206010019345 Heat stroke Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- 102000004882 Lipase Human genes 0.000 description 1
- 108090001060 Lipase Proteins 0.000 description 1
- 239000004367 Lipase Substances 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 206010027525 Microalbuminuria Diseases 0.000 description 1
- 206010028813 Nausea Diseases 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 238000003559 RNA-seq method Methods 0.000 description 1
- 206010057190 Respiratory tract infections Diseases 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 1
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 1
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 description 1
- 230000001594 aberrant effect Effects 0.000 description 1
- OIPILFWXSMYKGL-UHFFFAOYSA-N acetylcholine Chemical compound CC(=O)OCC[N+](C)(C)C OIPILFWXSMYKGL-UHFFFAOYSA-N 0.000 description 1
- 229960004373 acetylcholine Drugs 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 206010001584 alcohol abuse Diseases 0.000 description 1
- 208000025746 alcohol use disease Diseases 0.000 description 1
- 235000013334 alcoholic beverage Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 150000001413 amino acids Chemical group 0.000 description 1
- 235000019418 amylase Nutrition 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 238000011871 bio-impedance analysis Methods 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000008512 biological response Effects 0.000 description 1
- 210000000476 body water Anatomy 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- AOXOCDRNSPFDPE-UKEONUMOSA-N chembl413654 Chemical compound C([C@H](C(=O)NCC(=O)N[C@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@H](CCSC)C(=O)N[C@H](CC(O)=O)C(=O)N[C@H](CC=1C=CC=CC=1)C(N)=O)NC(=O)[C@@H](C)NC(=O)[C@@H](CCC(O)=O)NC(=O)[C@@H](CCC(O)=O)NC(=O)[C@@H](CCC(O)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC=1C2=CC=CC=C2NC=1)NC(=O)[C@H]1N(CCC1)C(=O)CNC(=O)[C@@H](N)CCC(O)=O)C1=CC=C(O)C=C1 AOXOCDRNSPFDPE-UKEONUMOSA-N 0.000 description 1
- 230000002925 chemical effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- FDJOLVPMNUYSCM-WZHZPDAFSA-L cobalt(3+);[(2r,3s,4r,5s)-5-(5,6-dimethylbenzimidazol-1-yl)-4-hydroxy-2-(hydroxymethyl)oxolan-3-yl] [(2r)-1-[3-[(1r,2r,3r,4z,7s,9z,12s,13s,14z,17s,18s,19r)-2,13,18-tris(2-amino-2-oxoethyl)-7,12,17-tris(3-amino-3-oxopropyl)-3,5,8,8,13,15,18,19-octamethyl-2 Chemical compound [Co+3].N#[C-].N([C@@H]([C@]1(C)[N-]\C([C@H]([C@@]1(CC(N)=O)C)CCC(N)=O)=C(\C)/C1=N/C([C@H]([C@@]1(CC(N)=O)C)CCC(N)=O)=C\C1=N\C([C@H](C1(C)C)CCC(N)=O)=C/1C)[C@@H]2CC(N)=O)=C\1[C@]2(C)CCC(=O)NC[C@@H](C)OP([O-])(=O)O[C@H]1[C@@H](O)[C@@H](N2C3=CC(C)=C(C)C=C3N=C2)O[C@@H]1CO FDJOLVPMNUYSCM-WZHZPDAFSA-L 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- IDLFZVILOHSSID-OVLDLUHVSA-N corticotropin Chemical compound C([C@@H](C(=O)N[C@@H](CO)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC=1NC=NC=1)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](C(C)C)C(=O)NCC(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC=1C=CC(O)=CC=1)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CC(N)=O)C(=O)NCC(=O)N[C@@H](C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N1[C@@H](CCC1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC=1C=CC=CC=1)C(O)=O)NC(=O)[C@@H](N)CO)C1=CC=C(O)C=C1 IDLFZVILOHSSID-OVLDLUHVSA-N 0.000 description 1
- 229960000258 corticotropin Drugs 0.000 description 1
- 229940109239 creatinine Drugs 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 235000021004 dietary regimen Nutrition 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000011985 exploratory data analysis Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 229960003692 gamma aminobutyric acid Drugs 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000003862 glucocorticoid Substances 0.000 description 1
- 229930195712 glutamate Natural products 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000003054 hormonal effect Effects 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 229940099472 immunoglobulin a Drugs 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003434 inspiratory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001596 intra-abdominal fat Anatomy 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 235000019421 lipase Nutrition 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- 230000001722 neurochemical effect Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000004439 pupillary reactions Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000013349 risk mitigation Methods 0.000 description 1
- 230000000276 sedentary effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 229940076279 serotonin Drugs 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 230000004617 sleep duration Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 230000037078 sports performance Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000004003 subcutaneous fat Anatomy 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 229940116269 uric acid Drugs 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/20—Input arrangements for video game devices
- A63F13/21—Input arrangements for video game devices characterised by their sensors, purposes or types
- A63F13/212—Input arrangements for video game devices characterised by their sensors, purposes or types using sensors worn by the player, e.g. for measuring heart beat or leg activity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/20—Input arrangements for video game devices
- A63F13/21—Input arrangements for video game devices characterised by their sensors, purposes or types
- A63F13/216—Input arrangements for video game devices characterised by their sensors, purposes or types using geographical information, e.g. location of the game device or player using GPS
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/20—Input arrangements for video game devices
- A63F13/21—Input arrangements for video game devices characterised by their sensors, purposes or types
- A63F13/217—Input arrangements for video game devices characterised by their sensors, purposes or types using environment-related information, i.e. information generated otherwise than by the player, e.g. ambient temperature or humidity
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/65—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor automatically by game devices or servers from real world data, e.g. measurement in live racing competition
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
- A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/90—Constructional details or arrangements of video game devices not provided for in groups A63F13/20 or A63F13/25, e.g. housing, wiring, connections or cabinets
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/3244—Payment aspects of a gaming system, e.g. payment schemes, setting payout ratio, bonus or consolation prizes
- G07F17/3253—Payment aspects of a gaming system, e.g. payment schemes, setting payout ratio, bonus or consolation prizes involving articles, e.g. paying in bottles, paying out toys
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/3244—Payment aspects of a gaming system, e.g. payment schemes, setting payout ratio, bonus or consolation prizes
- G07F17/3255—Incentive, loyalty and/or promotion schemes, e.g. comps, gaming associated with a purchase, gaming funded by advertisements
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
- G07F17/326—Game play aspects of gaming systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/80—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game specially adapted for executing a specific type of game
- A63F2300/8094—Unusual game types, e.g. virtual cooking
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Environmental & Geological Engineering (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Cardiology (AREA)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Psychiatry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Artificial Intelligence (AREA)
- Processing Or Creating Images (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
シミュレーション動物データを生成及び分配するための方法は、１以上の標的個体に関する情報を受信、保存及び送信する１以上のセンサから少なくとも部分的に得られた実際の動物データのセットを受け取るステップを含む。シミュレーション動物データは、実際の動物データの少なくとも一部又はその１以上の派生物から生成される。最終的に、シミュレーション動物データはコンピューティングデバイスに提供される。特徴的に、１以上の標的個体の１以上のパラメータ又は変数が修正され得る。【選択図】図１
Description
関連出願への相互参照
[0001] 本願は、２０１９年９月６日に出願された米国仮出願第６２／８９７，０６４号及び２０２０年５月２０日に出願された米国仮出願第６３／０２７，４９１号の利益を主張し、これらの開示の全体が参照によって本明細書に組み込まれる。
[0001] 本願は、２０１９年９月６日に出願された米国仮出願第６２／８９７，０６４号及び２０２０年５月２０日に出願された米国仮出願第６３／０２７，４９１号の利益を主張し、これらの開示の全体が参照によって本明細書に組み込まれる。
[0002] 少なくとも１つの態様では、本発明は、実際の動物データからシミュレーション動物データを生成するためのシステム及び方法に関する。
[0003] インターネット経由での情報の入手可能性の継続的な進歩はビジネスの遂行方法を大幅に変化させた。この情報爆発と同時に、センサ技術、特にバイオセンサ技術も進歩した。特に、心電図信号、血流、体温、発汗レベル及び呼吸数を測定するミニチュアバイオセンサが現在入手可能である。このようなセンサからのデータを無線及びインターネット経由で送信する機能がデータセット収集の潜在的な新規な用途を開いた。
[0004] センサ技術の進歩に伴い、新規な動物データセットが作成されている。しかしながら、標的対象、センサ、アクティビティ、条件及びその他の変数又はパラメータに関する特定の特性を特徴付ける動物データセットを要求するユーザは、データ取得に費用及び時間がかかって収集を困難にする可能性があるので、データ収集に関する障害に直面する可能性がある。多くの場合、データセットは存在しない。同時に、ユーザを関与させて１以上の未来の出来事に関する結果を評価するために様々なシミュレーション及びモデルでデータが使用され得るので、医療、保険、ウェルネスモニタリング、フィットネス、バーチャルスポーツ、ゲーム、スポーツベッティングなどの分野で、そのような標的動物データセットへの需要が高まっている。そうしたシミュレーションに組み込むための所望の動物データセットを提供するシステム及び方法は存在しない。
[0005] したがって、実際の動物データから、ユーザの嗜好に基づいてカスタマイズ及び調整されることができる人工データを作成する必要がある。
[0006] 少なくとも１つの態様では、本発明は、シミュレーション動物データを生成及び分配するための方法を提供する。この方法は、１以上の標的個体に関する情報を受信、保存又は送信する１以上のセンサから少なくとも部分的に取得された実際の動物データの１以上のセットを受信するステップを含む。シミュレーション動物データは、実際の動物データの少なくとも一部又はその１以上の派生物から生成される。最終的に、シミュレーション動物データがコンピューティングデバイスに提供される。特徴として、１以上の標的個体の１以上のパラメータ又は変数が変更され得る。
[0007] 別の態様では、本明細書の方法を実行することによってシミュレーション動物データを生成及び提供するためのシステムが提供される。コンピューティングデバイスを含むシステムは、１以上の標的個体に関する情報を受信、保存又は送信する１以上のセンサから少なくとも部分的に取得された実際の動物データの１以上のセットを受信するステップと；実際の動物データの少なくとも一部又はその１以上の派生物からシミュレーション動物データを生成するステップと；シミュレーション動物データの少なくとも一部をコンピューティングデバイスに提供するステップと、を実行するように動作可能である。特徴として、１以上の標的個体の１以上のパラメータ又は変数が修正され得る。
[0008] 別の態様では、１以上のセンサから少なくとも部分的に取得された実際の動物データから導出されたシミュレーション動物データが使用されて、１以上の洞察、計算された資産又は予測指標を作成、強化又は修正する。
[0009] 別の態様では、シミュレーション動物データの少なくとも一部は、１以上のシミュレーションシステムで使用されて、１以上のユーザを関与させ、シミュレーションシステムは、ゲームベースシステム、拡張現実システム（augmented reality）、仮想現実システム、複合現実システム又はエクステンデッドリアリティ（extended reality）システムのうちの少なくとも１つである。
[0010] 別の態様では、１以上のセンサから少なくとも部分的に取得された実際の動物データから導出されたシミュレーション動物データは、１以上のさらなるシミュレーションにおける１以上の入力として使用されてシミュレーションデータを生成する。シミュレーションデータの少なくとも一部は、１以上の洞察、計算された資産又は予測指標を作成、修正又は強化するために使用される。
[0011] 別の態様では、１以上のセンサから少なくとも部分的に取得された実際の動物データから導出されたシミュレーション動物データが、１以上のさらなるシミュレーションにおける１以上の入力として使用されてシミュレーションデータを生成する。シミュレーションデータの少なくとも一部は、シミュレーションシステムでユーザを関与させるために使用され、シミュレーションシステムは、ゲームベースシステム、拡張現実システム、仮想現実システム、複合現実システム又はエクステンデッドリアリティシステムのうちの少なくとも１つである。
[0012] 別の態様では、１以上のセンサから少なくとも部分的に取得された実際の動物データから導出されたシミュレーションデータは、直接的又は間接的に；（１）１以上の賭け事がされる又は受け入れられる市場として；（２）１以上の製品を作成、修正、強化、取得、提案又は分配するため；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達するため；（４）１以上の戦略を策定するため；（５）１以上のアクションを実行するため；（６）１以上のリスクを軽減又は阻止するため；（７）１以上のアクションを推奨するため；（８）１以上のシミュレーション、計算又は分析で利用される１以上の信号又は測定値として；（９）１以上のシミュレーションの一部として、その出力が１以上のユーザに直接的又は間接的に関与し；（１０）１以上の消費媒体に対する１以上のコアコンポーネント又はサプリメントとして；（１１）１以上のプロモーションで；又は、（１２）それらの組み合わせで、使用される。
[0013] 別の態様では、１以上のセンサから少なくとも部分的に取得された実際の動物データから導出されたシミュレーションデータは、１以上のスポーツベッティング、保険、健康、フィットネス、生物学的パフォーマンス又は娯楽の用途で直接的又は間接的に使用される。
[0014] 別の態様では、人工データは、１以上のセンサから生成された１以上の外れ値又は欠測値を置換するために生成される。
[0015] 本開示の性質、目的及び利点をさらに理解するため、以下の図面と併せて読む以下の詳細な説明を参照する必要があり、同様の参照符号は同様の要素を示す。
[0029] ここで、本発明者が現在知っている本発明を実施するための最良のモードを構成する、本発明の現在好ましい構成、実施形態及び方法を詳細に参照する。図面は必ずしも縮尺どおりではない。しかしながら、開示された実施形態は、様々な代替の形態で具体化され得る本発明の単なる例示であることが理解されるべきである。したがって、本明細書に開示される特定の詳細は、限定として解釈されるべきでなく、単に本発明の任意の態様の代表的な基礎として、及び／又は、当業者に本発明を様々に採用することを教示するための代表的な基礎として解釈されるべきである。
[0030] もちろん、特定の構成要素及び／又は条件は変化し得るので、本発明が、以下に記載される特定の実施形態及び方法に限定されないことも理解されるべきである。さらに、本明細書で使用される用語は、本発明の特定の実施形態を説明する目的でのみ使用され、かつ、いかなる方法でも限定することを意図するものではない。
[0031] 明細書及び添付の特許請求の範囲で使用されるように、単数形「a」、「an」及び「the」は、文脈が明らかに別段示さない限り、複数の指示対象を含むことにも留意されたい。例えば、単数形の構成要素への参照は、複数の構成要素を含むことを意図している。
[0032] 「データは（data is）」という語句は、「データは（datum is）」及び「データは（data are）」の両方、及び、他のすべての可能な意味を含むことを意味しており、かつ、いかなる方法でも限定することを意図するものではない。
[0033]「備える」という用語は、「含む」、「有する」、「包含する」、又は「によって特徴付けられる」と同義語である。これらの用語は、包括的で無制限であり、かつ、追加の列挙されていない要素又は方法ステップを除外しない。
[0034] 「から構成される」という語句は、特許請求の範囲で特定されていない任意の要素、ステップ又は成分を除外する。この語句が、プリアンブルの直後にではなく、請求項の本文の節に現れる場合、その節に記載されている要素のみを限定し；その他の要素が全体として請求項から除外されない。
[0035] 「から本質的に構成される」という語句は、請求項の範囲を、特定の材料又はステップに加えて、特許請求された主題の基本的で新規な特性に実質的に影響を与えないものに限定する。
[0036] 「備える」、「から構成される」及び「から本質的に構成される」という用語に関して、これらの３つの用語のうちの１つが本明細書で使用される場合、現在開示されて特許請求される主題は他の２つの用語のいずれかの使用を含み得る。
[0037] 「１以上」という用語は「少なくとも１つ」を意味し、かつ、「少なくとも１つ」という用語は「１以上」を意味する。「１以上」及び「少なくとも１つ」という用語には、部分集合として「複数（plurality）」及び「複数（multiple）」を含む。詳細には、「１以上」は「２以上」を含む。
[0038] 本願を通じて、刊行物が参照される場合、本発明が関与する最新技術をより完全に説明するため、これらの刊行物の開示の全体が参照によって本願に組み込まれる。
[0039] 「確率（probability）」及び「見込み（odds）」という用語は数学的に異なるが（例えば、確率は、発生する可能性のあるすべての事象の割合として表される特定の事象の発生数として定義され得る一方で、見込みは、その事象の非発生数の割合として表される特定の事象の発生数として定義され得る）は、両方とも事象が発生する可能性を表現する。これらは、冗長性を回避するために言い換え可能に使用され、かつ、１つの用語への参照が両方への参照を意味すると解釈されるべきである。
[0040] 「賭け（bet）」及び「賭け事（wager）」という用語に関して、両方の用語は、将来の事象の結果に対してリスク（例えば、金銭、非金銭的対価）をとる行為を意味する。リスクは、金融リスク（例えば、金銭的）及び非金融リスク（例えば、健康、生命）の両方を含む。リスクは、結果に基づいて又は将来の事象の結果の可能性に基づいて、別の１以上の当事者（例えば、保険会社が保険を提供するかどうかを判定する）又は自分自身（例えば、個体が保険を取得するかどうかを判定する）に対して取られ得る。例には、ギャンブル（例えば、スポーツベッティング）、保険などが含まれる。これらの２つの用語のうちの１つが本明細書で使用される場合、現在開示されて特許請求される主題は、他の２つの用語のいずれかを言い換え可能に使用し得る。
[0041] 「サーバ」という用語は、任意のコンピュータ又はコンピューティングデバイス（デスクトップコンピュータ、ノートブックコンピュータ、ラップトップコンピュータ、メインフレーム、携帯電話、スマートウォッチ／グラス、拡張現実ヘッドセット、仮想現実ヘッドセットなどを含むがこれらに限定されない）、分散型システム、ブレード、ゲートウェイ、スイッチ、処理装置、又は、本明細書に記載の方法及び機能を実行するように適合されたそれらの組み合わせを示す。
[0042] コンピューティングデバイスがアクション又は方法ステップを実行するものとして説明される場合、１以上のコンピューティングデバイスは、通常、１以上のソースコードの行を実行することによってアクション又は方法ステップを実行するように動作可能であると理解される。アクション又は方法ステップは、非一時的なメモリ（例えば、ハードドライブ、光学ドライブ、フラッシュドライブなど）に符号化され得る。
[0043] 「コンピューティングデバイス」という用語は、概して、別のコンピューティングデバイスとの通信を含む、少なくとも１つの機能を実行することができる任意のデバイスを示す。詳細には、コンピューティングデバイスは、プログラムステップを実行することができる中央処理装置と、データ及びプログラムコードを保存するためのメモリと、を含む。
[0044] 「電子通信」という用語は、電気信号が直接的又は間接的に発信元の電子機器から受信側の電気機器に送信されることを意味する。間接的な電子通信は、信号のフィルタリング、信号の増幅、信号の修正、信号の変調、信号の減衰、信号への別の信号の追加、別の信号からの信号の減算、信号からの別の信号の減算などを含むがこれらに限定されない、電気信号の処理を包含し得る。電子通信は、有線構成要素、無線接続構成要素又はそれらの組み合わせを使用して実現され得る。
[0045] 本明細書に開示されるプロセス、方法又はアルゴリズムは、コンピュータ、コントローラ、若しくは、既存のプログラム可能な電子制御ユニット又は専用の電子制御ユニットを含み得る他のコンピューティングデバイスによって配信可能であり得る／実装され得る。同様に、プロセス、方法又はアルゴリズムは、ＲＯＭデバイスなどの書き込み不可能な記憶媒体に永続的に保存された情報、並びに、フロッピーディスク（登録商標）、磁気テープ、ＣＤ、ＲＡＭデバイス、その他の磁気及び光学媒体、共有又は専用のクラウドコンピューティングリソースなどの書き込み可能な記憶媒体に変更可能に保存された情報を含むがこれらに限定されない多くの形式で、コンピュータ、コントローラ又は他のコンピューティングデバイスによって実行可能なデータ及び命令として保存され得る。プロセス、方法又はアルゴリズムは、実行可能ソフトウェアオブジェクトに実装され得る。代替として、プロセス、方法又はアルゴリズムは、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、ステートマシン、コントローラ、その他のハードウェアコンポーネント又はデバイス、若しくは、ハードウェア、ソフトウェア及びファームウェアコンポーネントの組み合わせなどの適切なハードウェアコンポーネントを使用して、全体に又は一部で具現化され得る。
[0046] 「対象」及び「個体」という用語は、同義語であり、かつ、人間、又は、鳥、爬虫類、両生類及び魚を含む他の動物、並びに、霊長目（特に、高等霊長目）、馬、羊、犬、齧歯類、豚、猫、ウサギ及び牛を含むすべての哺乳類を示す。１以上の対象は、例えば、運動訓練又は競技に参加している人間、競馬場でレースをしている馬、ビデオゲームをプレーしている人間、個人の健康状態を監視している人間、第三者にデータを提供している人間、研究又は臨床研究に参加している人間、若しくは、フィットネスクラスに参加している人間であり得る。対象又は個体はまた、人間又は他の動物の派生物（例えば、少なくとも部分的に人間又は他の動物に由来する実験室で生成された生物）、人間又は他の動物を組成する人間又は別の動物の１以上の個体の構成要素、要素又はプロセス（例えば、細胞、タンパク質、生体液、アミノ酸配列、組織、毛髪、四肢）、人間又は動物と少なくとも１つの特性を共有する１以上のデジタル表現（例えば、例としての性別、年齢、生物学的機能など、デジタル形式の人間の表現と少なくとも１つの特性を共有するが、物理的な世界に存在する人間から生成されたものではない人間を表すデータセット；シミュレーション個体）、又は、人間又は他の動物と１以上の特性を共有する１以上の人工的な産物（例えば、人間の脳細胞のものと同様の電気信号を生成する実験室で育てられた人間の脳細胞）であり得る。詳細には、対象又は個体は、機械（例えば、ロボット、自律車両、機械アーム）、若しくは、人間又は他の動物と少なくとも１つの生物学的機能を共有する機械のネットワークなどの１以上のプログラム可能なコンピューティングデバイスであり得、いずれからも、１以上のタイプの生物学的データが導出され得、これは、少なくとも部分的に、人工的な性質を有するもの（例えば、生物学的脳活動を模倣する人工知能由来の活動からのデータ、プログラム可能な機械由来の生体力学的運動データ）であってもよい。
[0047] 「動物データ」という用語は、サーバ又は他のコンピューティングデバイスに送信され得る形式に変換可能な対象から取得可能な、又は、対象によって直接的又は間接的に生成される任意のデータを示す。通常、動物データは、有線又は無線接続で電子的に送信される。動物データには、任意の信号又は測定値を含む対象由来のデータが含まれ、当該データは、１以上のセンサ又は感知装置／システム、及び特に、生体センサ（バイオセンサ）から取得される。動物データには、対象に関する記述データ、対象に関する聴覚データ、対象に関する視覚キャプチャデータ、神経学的に生成されたデータ（例えば、ニューロンからの脳信号）、対象に関する評価データ（例えば、対象のスキル）、対象に関して手動で入力可能なデータ（例えば、病歴、社会的習慣、対象の感情）、実際の動物データの少なくとも一部又はその１以上の派生物を含むデータなどが含まれ得る。詳細には、「動物データ」という用語には動物データの任意の派生物が含まれる。さらに詳細には、動物データには、動物データによって収集された又は動物データに関連付けられた任意のメタデータが含まれる。さらに詳細には、動物データには、シミュレーションデータの少なくとも一部が含まれる。さらに別の詳細には、動物データにはシミュレーションデータが含まれる。
[0048] ある変形例では、「実際の動物データ」という用語は、「動物データ」という用語と言い換え可能に使用される。他の変形例では、「実際の動物データ」という用語は、１以上の標的個体又は標的個体のグループに関する情報を受信、保存及び／又は送信する１以上のセンサから少なくとも部分的に取得される動物データを示す。
[0049] 「人工データ」という用語は、実際の動物データ又はその１以上の派生物から導出された、実際の動物データ又はその１以上の派生物に基づいた、若しくは、実際の動物データ又はその１以上の派生物を少なくとも部分的に使用して生成された、人工的に作成されたデータを示す。人工データは、１以上の人工知能技術又は統計モデルを利用して１以上のシミュレーションを実行することによって作成され得、かつ、１以上の入力として１以上の非動物データソースからの１以上の信号又は測定値を含み得る。人工データは、人間又は別の動物と少なくとも１つの生物学的機能を共有する任意の人工的に作成されたデータ（例えば、人工的に作成された視覚データ、人工的に作成された移動データ）を含み得る。人工データには、直接測定によって取得されない特定の状況に適用可能な任意の生産データであり得る「合成データ」が含まれる。合成データは、元データを統計的にモデル化し、及びその後に、それらのモデルを使用し、元データの統計的特性のうちの少なくとも１つを再現する新規なデータ値を生成することによって作成され得る。詳細には、「人工データ」という用語には人工データの任意の派生物が含まれる。現在開示され特許請求される主題の目的のため、「シミュレーションデータ」及び「合成データ」という用語は、同義であり、かつ、「人工データ」と言い換え可能に使用され、これらの用語のいずれか１つへの言及は、限定するものとして解釈されるべきではなく、むしろ、すべての用語のすべての可能な意味を包含するものとして解釈されるべきである。詳細には、「人工データ」という用語は「人工動物データ」という用語を含む。
[0050] 「洞察」という用語は、動物データの少なくとも一部を利用して標的個体の状況又は状態を記述する、標的個体に割り当て可能な１以上の記述を示す。例には、ストレスレベル（例えば、高ストレス、低ストレス）、エネルギーレベル、疲労レベルなどの記述又は他の特性評価が含まれる。洞察は、１以上の数又は複数の数によって定量化され得、かつ、確率又は同様の見込みベースの指標として表され得る。洞察は、予め決定された１つ又は他のメトリック又は性能のインデックス（例えば、コード、グラフ、チャート、プロット、色又は他の視覚的表現、プロット、測定値、数値表現、記述、テキスト；振動、聴覚反応、視覚反応、運動感覚反応などの身体的反応、又は、口頭記述）によって、定量化され、伝達され又は特徴付けられ得る。洞察には、１以上の標的対象の状況又は状態に関する１以上の視覚的表現（例えば、標的対象のアバター又は描写についての将来の減量目標を視覚化する標的対象のアバター又は現実的な描写）も含み得る。詳細には、洞察は、１以上の標的個体又は標的個体のグループに関するパーソナルスコア又はその他の指標であり、当該パーソナルスコア又はその他の指標は、シミュレーションデータの少なくとも一部を利用して、（１）動物データに基づくリスクを評価、査定、阻止又は軽減する、（２）動物データに基づく性能（例えば、生物学的性能）を評価、査定及び最適化する、又は、それらの組み合わせを実行する。パーソナル指標スコアは、動物データ又はその１以上の派生物が導出される１以上の標的対象、及び、１以上の第三者（例えば、保険組織、医療提供者又は専門家、スポーツパフォーマンスコーチ、医療費請求機関、フィットネストレーナなど）によって利用され得る。さらに詳細には、洞察は、２以上のタイプの動物データから導出される。さらに詳細には、洞察には、１以上の計算、算出、導出、組み込み、シミュレーション、抽出、外挿、修正、拡張、強化、作成、推定、推論、推測、判定、処理、通信などにおける１以上の入力として、１以上の非動物データソースからの１以上の信号又は測定値が含まれる。さらに詳細には、洞察は複数の洞察から構成される。さらに詳細には、洞察は、複数の標的個体と、標的個体の１以上のグループと、に割り当てられる。
[0051] 「計算された資産」という用語は、動物データの少なくとも一部又はその１以上の派生物（シミュレーションデータを含み得る）から導出された、１以上の数、複数の値、値、メトリック、測定値、洞察、グラフ、チャート又はプロットを示す。本明細書で使用される１以上のセンサは最初に電子信号を提供する。計算された資産は、少なくとも部分的に、１以上の電子信号又はその１以上の派生物から抽出又は導出される。計算された資産は、１以上の標的個体又は標的個体のグループの解釈可能な特性を記述又は定量化する。例えば、心電図測定値はアナログフロントエンド信号（例えば、センサからの電子信号）から導出され得、心拍数データ（例えば、１分あたりの心拍数）は心電図又はＰＰＧセンサから導出され得、体温データは温度センサから導出され得、発汗データは発汗センサから導出又は抽出され得、グルコース情報は生体液センサから導出され得、ＤＮＡ及びＲＮＡシークエンシング情報はゲノム及び遺伝子データを取得するセンサから導出され得、脳活動データは神経センサから導出され得、水分補給データは口内唾液又は汗分析センサから導出され得、位置データはＧＰＳ又はＲＦＩＤベースセンサから導出され得、生体力学的データは光学センサ又は並進センサから導出され得、及び、呼吸速度データは呼吸センサから導出され得る。詳細には、計算された資産には、１以上の計算、算出、導出、組み込み、シミュレーション、抽出、外挿、修正、強化、作成、推定、推論、推測、判定、処理、伝達などにおける１以上の入力として、１以上の非動物データソースからの１以上の信号又は測定値が含まれる。さらに詳細には、計算された資産は２以上のタイプの動物データから導出される。さらなる詳細には、計算された資産は、複数の計算された資産から構成される。
[0052] 「予測指標」という用語は、メトリック又は他の指標（例えば、１以上の色、コード、数、値、グラフ、チャート、プロット、測定値、数値表現、記述、テキスト、物理的応答、聴覚的応答、視覚的応答、運動感覚応答）を示し、そこから、１以上の標的個体又は標的個体の１以上のグループを含む１以上の将来の事象の１以上の結果に関する、１以上の予想、予測、確率、評価、可能性、予測又は推奨が、算出され、計算され、導出され、抽出され、外挿され、シミュレーションされ、作成され、修正され、割り当てられ、強化され、推定され、評価され、推測され、確立され、判定され、変換され、推論され、観察され、伝達され又は実行され得る。詳細には、予測指標は、動物データの少なくとも一部又はその１以上の派生物から導出された算出された計算された資産である。さらに詳細には、予測指標は、１以上の非動物データソースからの１以上の信号又は測定値を、その１以上の予想、予測、確率、可能性、評価、見積もり又は推奨の１以上の算出、計算、導出、抽出、外挿、シミュレーション、作成、修正、割り当て、強化、推定、評価、推測、確立、判定、変換、推論、観察又伝達として含む。さらに詳細には、予測指標は、その１以上の予想、予測、確率、可能性、評価、見積もり又は推奨の１以上の算出、計算、導出、抽出、外挿、シミュレーション、作成、修正、割り当て、強化、推定、評価、推測、確立、判定、変換、推論、観察又は伝達における１以上の入力として、シミュレーションデータの少なくとも一部を含む。さらに詳細には、予測指標は、２以上のタイプの動物データから導出される。さらに詳細には、予測指標は複数の予測指標から構成される。
[0053] 図１を参照すると、シミュレーションデータを生成するためのコンピュータ実装方法及びシステムが提供される。シミュレーションシステム１０は、動物データ１４を受信するコンピューティングデバイス１２を含む。典型的には、そうした動物データ１４を生成するための方法及びシステムは、１以上の標的個体１６から実際の動物データを収集する１以上のセンサ１８を展開する。ある変形例では、動物データは、少なくとも部分的に、１以上のセンサ１８、特に、生体センサ（バイオセンサ）から導出される標的個体（例えば、彼らの身体）に関するデータを示す。多くの有用な用途では、標的個体は、人間（例えば、アスリート、兵士、医療患者、研究対象、フィットネスクラスの参加者、ビデオゲーマ）であり、動物データは人間データである。動物データは、標的個体又は複数の標的個体（例えば、複数の標的個体の標的グループ、複数の標的個体の複数の標的グループを含む）から導出され得る。動物データは、各標的個体の単一のセンサから、又は、各標的個体の複数のセンサから取得され得る。場合によっては、単一のセンサが、複数の標的個体、複数の標的個体の標的グループ、又は、複数の標的個体の複数の標的グループからデータを捕捉し得る（例えば、標的個体の標的グループの走行距離を特定して測定することができる光学ベースのカメラセンサ）。各ソースセンサは、単一のタイプの動物データ又は複数のタイプの動物データを提供し得る。一変形例では、センサ１８は、単一のセンサ内の１以上のパラメータ（例えば、心拍数及び加速度計データ）を測定するための複数の感知要素を含み得る。詳細には、１以上のセンサ１８は少なくとも１つの生体センサ（バイオセンサ）を含む。１以上のセンサ１８は、血圧、心拍数又は生体液レベルなどの標的個体の１以上の生物学的信号又は測定値を変化させ得る激しいアクティビティを含む様々なアクティビティに関与する標的個体からデータを収集し得る。アクティビティには、生物学的信号又は測定値の変化のばらつきの少ない睡眠又は座りなどのあまり動かないアクティビティも含まれ得る。一変形例では、シミュレーションシステム１０は、センサから取得されない動物データ（例えば、手動で入力された動物データ；センサから生成されていない人工データ値を含むセンサ収集動物データセット）も受信（例えば、収集）し得る。
[0054] 引き続き図１を参照すると、１以上のセンサ１８は、直接又はクラウド２２を介して無線で、若しくは、有線接続２４を介して、コンピューティングデバイス１２に動物データ１４を送信し得る。クラウド２２は、インターネット、パブリッククラウド、プライベートクラウド又はハイブリッドクラウドであり得る。詳細には、コンピューティングデバイス１２は、ローカルサーバ（例えば、ローカライズ又はネットワーク化されたサーバ／ストレージ、ローカライズされたストレージデバイス、コンピューティングデバイスの分散ネットワーク）又は他のコンピューティングデバイス１９を通じて１以上のセンサ１８と通信し、他のコンピューティングデバイス１９は、コンピューティングデバイス１２への動物データ１４の送信に介在する（例えば、データを収集してコンピューティングデバイス１２に送信する、又は、データを収集してコンピューティングデバイス１２によってアクセス可能なクラウドにデータを送信する）。例えば、中間コンピューティングデバイスはスマートフォン又は他のコンピューティングデバイスであり得る。システムに入力される動物データは、１以上のセンサから取得された生データ又は変換された（例えば、操作された、処理された）データであり得る。詳細には、変換されたデータには、１以上の方法でクリーンにされた、編集、修正及び／又は操作されたデータが含まれる（例えば、メタデータが添付されたデータ、心拍数、血圧、発汗量などに関する１以上の測定値に変換されたデータ）。さらに詳細には、データを変換する行為には、１以上の算出、計算、導出、組み込み、シミュレーション、抽出、加算、減算、外挿、修正、強化、作成、推定、推論、推測、判定、変換、処理、伝達などが含まれる。例えば、心拍数を測定することに関連して、生体センサは、標的対象の身体からの電気信号を測定し、アナログベースの測定値をデジタル測定値に変形（例えば、変換）し、かつ、デジタル測定値を送信するように構成され得る。別の例では、コンピューティングデバイスは、センサからデジタル測定値を受信し、かつ、デジタル測定値を１以上の心拍数値に変換し得る。心拍数及び他の生物学的データを測定するためのシステムに関するさらなる詳細は、２０１９年１月１４日に出願された米国特許出願第１６／２４６，９２３号及び２０２０年１月１４日に出願された国際出願第ＰＣＴ／ＵＳ２０／１３４６１号に開示されており、その開示の全体が参照により本明細書に組み込まれる。さらに詳細には、データを変換する行為には、動物データを、正規化する、タイムスタンプを付す、集約する、タグ付けする、保存する、操作する、ノイズ除去する、強化する、整理する、視覚化する、分析する、匿名化する、合成する、要約する、複製する、製品化する又は同期化する１以上のアクションが含まれる。さらに詳細には、非動物データからの１以上の信号又は測定値を利用する（例えば、組み込む）ことによって１以上の変換が生じる。
[0055] さらに図１を参照すると、コンピューティングデバイス１２は、実際の動物データの少なくとも一部又はその１以上の派生物を利用し、かつ、シミュレーションに入力されるべき形式に変換されたデータを用いてシミュレーションプログラムのステップを実行することによってシミュレーションを実行する、又は、シミュレーションを実行するために別の１以上のコンピューティングデバイス３０（例えば、コンピューティングデバイス１２に関連付けられた又はそのネットワーク内のコンピューティングデバイス、若しくは、サードパーティのコンピューティングデバイス）にデータを送信する。この点、コンピューティングデバイス１２及び１以上のコンピューティングデバイス３０は、シミュレーションを実行するように動作可能であり得る。実行されるシミュレーションは、１以上のシミュレーションされた標的個体が参加するものであり、シミュレーションされた標的個体の１以上のパラメータ又は変数が、変更され、ランダム化され及び／又は修正され得る。一変形例では、１以上の標的個体の１以上のパラメータ又は変数は、１以上の標的個体に関連する又は関する任意の入力（１以上の標的個体の内部及び外部の両方の特性を含む）と、シミュレーションへのその包含に基づいて１以上のシミュレーションの１以上の出力に影響を与える（例えば、影響を与える、変化させる、変更する、調整する）又は影響を与える可能性のある入力と、を含み得る。詳細には、シミュレーションデータを生成するために修正された１以上のパラメータ又は変数は非動物データから構成される。シミュレーションの１つの形式では、シミュレーションは、コンピューティングデバイスに限定された１以上の入力及び出力によるユーザエンゲージメントのための媒体を提供する。これらの事例では、シミュレーションは、１以上のユーザと対話する他のコンポーネント（例えば、ハードウェア、ソフトウェア）に統合され得る。例えば、シミュレーションを実行し、かつ、実際の動物データの少なくとも一部又はその１以上の派生物を組み込むシミュレーションシステムは、ゲームベースシステム（例えば、ビデオゲームシステム、仮想ギャンブルシステム、フィットネスゲームシステムなど）、拡張現実システム、仮想現実システム、複合現実システム、エクステンデッドリアリティシステム又は他の形式のインタラクティブシミュレーションであり得る。別の形式のシミュレーションでは、シミュレーションは、１以上の将来の出来事を予測するために、一定期間にわたってモデルを実装するための方法である。シミュレーションデータは、１以上のシミュレーションイベント、概念、オブジェクト又はシステムから導出され得る。シミュレーションデータは、１以上の統計モデル又は人工知能技術を使用して生成され得る。特徴的に、同じ１以上の入力を利用して複数のシミュレーションが発生し得、かつ、シミュレーションは複数のシミュレーションから構成され得る。詳細には、複数のシミュレーションシステムが協働するように動作可能であり得る。例えば、シミュレーションデータは、コンピューティングデバイスによって生成されてもよく、シミュレーションデータが入力されるシミュレーションプログラムを操作する別のコンピューティングデバイスに提供されてもよい。さらに詳細には、１以上のシミュレーションは、１以上の入力として非動物データからの１以上のデータセットを含み得る。
[0056] コンピューティングデバイス１２及び／又は１以上のコンピューティングデバイス３０によるシミュレーションプログラムの実行時、シミュレーションデータ２８が生成されて１以上のコンピューティングデバイスに提供される。特徴的に、生成されたシミュレーションデータは人工動物データ（例えば、人工心拍数データ、人工呼吸数データ、人工グルコースデータなど）であり得る。例えば、シミュレーション動物データは、シミュレーション内で調整された１以上の変数又はパラメータ（例えば、距離走行、環境データ）を用いて、シミュレーションスポーツイベント内の任意の所定の時点でのシミュレーション標的個体の疲労レベルを示すことができ、その１以上は非動物データ（例えば、時間）からの信号又は測定値であってもよい。別の例として、シミュレーション心拍数の測定値などのシミュレーション動物データは、シミュレーションスポーツイベント内のシミュレーション標的個体の将来の生物学的アクティビティを表し得る。有利には、そのような情報は、シミュレーション動物データに関する１以上の予測、確率又は可能性の一部として利用され得る。別の例として、シミュレーション動物データは、１以上の薬物とシミュレーションで１以上の変数である１以上の標的個体の１以上の特性とを用いて、１以上のシミュレーション標的対象が、シミュレーション製薬研究において特定の薬物にどのように反応するかを示す又は予測することもできる。多くの有用な変形例では、シミュレーションの１以上のシミュレーション標的対象は、１以上の現実世界の標的対象又は標的対象のグループに関連付けられた１以上の生物学的及び／又は非生物学的特性を共有する、１以上の現実世界の標的対象又は標的対象のグループを表し（例えば、類似し）ており、それによって、１以上のシミュレーション標的対象又は標的対象のグループが、シミュレーションにおいて１以上の現実世界の標的対象又は標的対象のグループを表すことを可能にする。シミュレーションデータには、シミュレーションに入力される形式に変換された実際の動物データ（例えば、ビデオゲームシステムなどのシミュレーションシステムに組み込まれた対象の実際の心拍数データ）を含み得る。詳細には、シミュレーションデータの少なくとも一部が使用されて、１以上の洞察、計算された資産又は予測指標を作成、強化又は修正し得る。
[0057] 詳細には、シミュレーション動物データ２８の少なくとも一部又はその１以上の派生物が１以上のさらなるシミュレーションで１以上の入力として使用される。１以上のさらなるシミュレーションは、以前に生成されたシミュレーション動物データを利用して１以上の将来の出来事を予測するように調整され得る。例えば、シミュレーション動物データ２８は、スポーツイベントシミュレーションで使用されて１以上の結果を予測し得る（例えば、プロスポーツの試合などのイベントについて標的対象の生成された人工的な「疲労レベル」を有することによって、１以上の結果－勝ち／負け、標的対象が熱中症などの生物学的事象を経験するかどうか、が予測され得る）。シミュレーション動物データ２８は、他の動物データをシミュレーションするための１以上のさらなるシミュレーションで使用されてもよい（例えば、対象のシミュレーション心拍数データが、シミュレーション水分補給又はグルコース情報などの別のシミュレーション生物学的出力を生成するための入力として使用され得る）。様々なシミュレーション生物学的機能及びアクティビティは、身体アクティビティ（例えば、スポーツイベント、フィットネスアクティビティ）、健康監視（例えば、保険、軍事、家庭監視／遠隔医療応用）、生物学的分析（例えば、ＤＮＡシークエンシング）、生物学的応答（例えば、特定のタイプの薬物に対する細胞又は生体液応答）などのシミュレーションを含むシミュレーション動物データを生成及び組み込むことから利益を得うる。詳細には、シミュレーションは、フィットネスアクティビティ、スポーツイベント（例えば、プロスポーツ競技）、健康評価（例えば、１以上のセンサからのフィードバックを提供する、遠隔患者モニタリング、院内患者評価、一般的なウェルネスプラットフォーム）又は保険評価（例えば、保険見積もりの受け取り、保険の取得、保険料の調整を含む））のうちの少なくとも１つに関与する１以上の標的個体に基づいてシミュレーションする。さらに詳細には、１以上のシミュレーションデータセットの少なくとも一部が使用されて、１以上の洞察、計算された資産又は予測指標を作成、修正又は強化し得る。シミュレーション動物データ２８は、１以上のユーザを関与させるシミュレーション内で使用され得る。一変形例では、シミュレーション動物データ２８は、１以上の規定のグループを代表する複数の対象からの１以上の動物データセットに基づいて生成され得る。例えば、システムは、規定の場面／状況の環境（例えば、特定の期間に特定の活動に関与している）において特定の生物学的特性を特徴付ける個体の規定のグループのシミュレーション平均心拍数データを生成し得る。１以上の標的対象又は標的対象の標的グループのＩＤが知られていても又は知られていなくてもよい。別の変形例では、シミュレーションデータがベースラインデータセットとして使用されて、１以上のさらなるシミュレーションにおいて（１以上の規定の特性を有する）特定の対象グループを表し得る。有利には、１以上のシミュレーションは、１以上のパラメータ又は変数を調整してリアルタイム又はほぼリアルタイムで実施され得る。これに関連して、ほぼリアルタイムとは、センサ及びコンピューティングデバイスによる必要な処理を除いて、送信が意図的に遅延されないことを意味する。詳細には、実際の動物データの少なくとも一部又はその１以上の派生物から導出されたシミュレーションデータは；（１）１以上の賭け事が行われる又は受け入れられる市場として；（２）１以上の製品を作成、修正、強化、取得、提供又は分配するため；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達するため；（４）１以上の戦略を策定するため；（５）１以上のアクションを実行するため；（６）１以上のリスクを軽減又は阻止するため；（７）１以上のアクションを推奨するため；（８）１以上のシミュレーション、計算又は分析で利用される１以上の信号又は測定値として；（９）１以上のシミュレーションの一部として、その出力が１以上のユーザと直接的又は間接的に関与する；（１０）１以上の消費媒体に対する１以上の構成要素又は捕捉として；（１１）１以上のプロモーションで；又は、（１２）それらの組み合わせで、直接的又は間接的に使用され得る。
[0058] 応用（１）に関する一変形例では、市場は、特定のイベント（例えば、スポーツイベント、健康又は医療イベント、シミュレーションイベント）に対する特定のタイプ又はカテゴリの賭け又は賭け事であり得る。市場が、作成されて提供され又はあらゆるイベントに活用され得る。多くの場合、１以上の賭けを受け入れる組織は、各イベントで複数の賭け市場を提供し、市場ごとにオッズがリストされる。特定のタイプ又はカテゴリは、プロポジションベット（「プロップベット」）、スプレッドベット、ラインベット、フューチャベット、パーレイベット、ラウンドロビンベット、ハンディキャップベット、オーバー／アンダーベット、フルカバーベット又はティーザーベットを含み得る。さらに、賭け事の受け入れは、例えば、１以上の出力を利用する賭け事システムによる賭けの受け入れ（例えば、シミュレーションデータから導出された予測指標を利用する賭けタイプ）、１以上の出力に基づいて保険会社がとるリスクと相関する個体からの支払い（例えば、シミュレーションデータから導出された予測指標によって予測された任意の所定の生物学的事象を個体が経験する可能性に基づいて、会社によりお金をかけさせ得る又はかけさせ得ない、個体に提供される保険契約）の保険システム（例えば、保険会社）による受け入れ、個体の動物データ及びそれらの生成されたシミュレーションデータなどの少なくとも一部を利用した治療のシミュレーションされた有効性に基づいて、医療提供者によって推奨される、所定の個体の特定の診断に関する１以上の治療の保険システムによる受け入れ－及び、１以上の治療に関連付けられた支払い及びタイムライン－であり得る。
[0059] 応用（２）に関する一変形例では、１以上の製品は、流通又は販売されるように設計された１以上の商品又はサービスであり得る。製品は、製品がシミュレーションデータの少なくとも一部を直接的又は間接的に使用する限り、作成、修正、強化、提供又は分配され得る、任意の業界又は業種の任意の製品であり得る。例えば、製品は、１以上の賭け事が行われる又は受け入れられる市場であり得る。詳細には、シミュレーションデータの少なくとも一部又はその１以上の派生物が使用されて、プロポジションベット、スプレッドベット、ラインベット、フューチャーズベット、パーレイベット、ラウンドロビンベット、ハンディキャップベット、オーバー／アンダーベット、フルカバーベット又はティーザーベットのうちの少なくとも１つを作成、修正、強化、提供、取得、受け入れ又は分配する。これには、製品の作成につながる（又は結果として生じる）シミュレーションデータ又はその１以上の派生物が含まれる。例えば、製品は、シミュレーションデータ自体（例えば、シミュレーションの１以上の出力の購入）、保険の提供、１以上のシミュレーション出力を表示する健康用途、対象に関する特定のシミュレーション洞察を提供するように設計された一連のアルゴリズム、スポーツベッティング用途、シミュレーションデータを利用する消費者製品（例えば、シミュレーションデータを利用して対象の生物学的情報に基づいて成分をパーソナライズするアイソトニック飲料などの飲料、食品）などであり得る。明確にするため、「強化」には、強化が付加価値をもたらす場合に製品の「一部である」ことが含まれ得る。さらに、多くの場合、「作成する」には「導出する」が含まれ得、その逆も可能である。同様に、「作成する」には「生成する」が含まれ得、その逆も可能である。さらに、「修正する」には、「訂正する」、「補正する」、「調整する」、「変更する」及び「改良する」が含まれ得る。さらに、「提案する」には「提供する」が含まれ得る。最後に、製品の「取得者」は、例えば、消費者、組織、別のシステム、製品を消費又は受け取ることができる他のエンドポイントなどであり得る。
[0060] 応用（３）に関する一変形例では、１以上の予測、確率又は可能性は、１以上の予測、確率又は可能性を結びつけて将来の結果又は出来事に関連付けられ得る。例えば、確率が算出されて、アスリートの現在の心拍数、平均心拍数、最大心拍数、同様の条件での過去の心拍数、生体液レベル、ｓＥＭＧデータ、コートでの分数、総走行距離、シミュレーション生物学的データ、環境データ、その他の状態／状況の情報などを含む様々なタイプのデータを利用して任意の所定のバスケットボールの試合で、任意の所定のアスリートの心拍数が２００ｂｐｍを超える見込みを判定し得る。この確率を利用して、別の確率が算出されて、アスリートの心拍数が２００ｂｐｍを超える場合に、ｎ％を超えるパーセンテージでｎフィートの外側でアスリートがシュートを決める見込みを判定し得る。さらに、「伝達」には、１以上の予測、確率又は可能性の視覚化（例えば、アプリケーションを介した確率の表示、拡張現実又は仮想現実システム内の標的個体の出力ベースの確率の表示）、１以上の予測、確率又は可能性の口頭伝達（例えば、シミュレーション生物学的データに基づいて事象が発生し得る見込み、又は、事象が発生する見込みを標的個体に通知する音声起動仮想アシスタント。一例としては、特定のアクションが実行されない場合に低血糖になる見込み、収集された生物学的データに基づいて次のｎ日間に脳卒中を起こす見込み、又は、シミュレーションデータに基づいて生物学関連事象が発生する可能性であり得る）を含み得る。最後に、予測、確率又は可能性の修正には、以前に決定された事象の予測、確率又は可能性の訂正が含まれ得る。
[0061] 応用（４）に関する一変形例では、戦略には、シミュレーションデータの少なくとも一部を直接的又は間接的に使用する任意の戦略が含まれ得る。例えば、戦略は、個体に保険をかけるか否か、賭けをするか否か、シミュレーションデータに関する特定のアクションをとるか否かなどを判定するためのアクション計画であり得る。戦略には、予め規定されたルールが作用する潜在的な結果及び閾値を予測するためにシミュレーション及びシミュレーションデータに完全に基づいている完全な取引／賭け戦略が含まれ得る。さらに、１以上のシミュレーションデータ出力又はその１以上の派生物は、１以上の戦略の策定に関する１以上のさらなる算出、計算、導出、抽出、外挿、シミュレーション、作成、修正、強化、推定、評価、推測、確立、判定、変換、推論、観察又は伝達で利用され得る。これに関して、「策定」という用語は１以上の修正、強化などを含み得る。
[0062] 応用（５）に関する一変形例では、アクションは、シミュレーションデータの少なくとも一部に直接的又は間接的に関する任意のアクションであり得る。アクションには、シミュレーションデータから導出された（又は結果として生じた）アクションが含まれる。例えば、個体の健康状態を確認又は認証するアクション、個体に保険をかけるアクション（例えば、標的対象が今後２４か月以内に心臓発作を起こす確率はｘであるので、その賭け金がｙである）、対象の医療事象又はニーズに対する医療提供者のパーソナライズされた治療計画を承諾又は拒否するアクション（例えば、１以上のシミュレーションに基づいて、医療提供者が推奨する治療が標的対象を回復させる確率はｎであるので、保険会社はシミュレーションデータに基づいてｐ価格でｗ週間の治療に支払うことに同意する）、標的個体の生物学に関するアクション（例えば、自動運転車の乗客は、コンピューティングデバイスを介して１以上のシミュレーションが発生するようにトリガする生物学的測定値を有しており、その出力が、自動運転車に最寄りの病院まで運転するように警告し得る）、賭け事をするアクション（例えば、１以上のシミュレーションから導出されたアスリートのエネルギーレベルがｘパーセントであるので、ユーザは賭けをする）、特定のアクションを実行するアクション（例えば、「賭けをする」、「今日は２０分間走る」、「今日はｎカロリーを食べる」などの特定のアクションを実行するアクションを伝達するシステム）、全くアクションを起こさないアクションなどであり得る。
[0063] 応用（６）に関する一変形例では、リスクの軽減又は阻止には、リスクの低減又は阻止に関するアクション、非アクション、戦略、推奨、リスクの再分類、リスクプロファイルの変更などが含まれ得る。追加のリスクを取ることも含まれ得る。
[0064] 応用（７）に関する一変形例では、１以上のアクションを推奨することには、シミュレーションデータによって直接的又は間接的に推測される推奨（例えば、事象が発生する確率を提供するシミュレーションデータから導出された予測指標が、実行されるべきアクションを推測し得る）、及び、１以上の出力に基づいて直接述べられた推奨（例えば、事象の発生の確率又は予測を提供する１以上のシミュレーションから導出された予測指標に基づいてアクションが実行されるための推奨）の両方が含まれる。詳細には、推奨は複数の推奨から構成され得る。
[0065] 応用（８）に関する一変形例では、信号又は測定値は、任意の形式及び任意の情報の形式（例えば、１以上のデータセットとして含む）を含み得る。
[0066] 応用（９）に関する一変形例では、シミュレーションには、１以上のコンピュータモデルの生成と、１以上の状況又はプロセスの模倣と、の両方が含まれる。シミュレーションには、１以上の出力を生成するために利用されるシミュレーションを含む、幅広いエンゲージメントの応用があり、出力の任意の使用は、直接的又は間接的なエンゲージメントとみなされ得、また、１以上のユーザを関与させ得る１以上のシミュレーション（例えば、ビデオゲーム又は他のゲームベースシステム、拡張現実又は仮想現実システム）内の１以上の出力を含み得る。
[0067] 応用（１０）に関する一変形例では、ユーザ消費の１以上の媒体は、ユーザが１以上のシミュレーションからの１以上の出力を直接的又は間接的に消費することができる任意の媒体であり得る。媒体には、例えば、１以上の出力を介して心臓状態チェックを伝達する健康監視応用（例えば、遠隔監視プラットフォーム）、アクティビティ（例えば、遠隔運動、仮想医師訪問）中にプラットフォームに１以上の出力を伝達する一方で、遠隔医療専門家又はリハビリテーション専門家が統合ビデオディスプレイを介して患者を診察することを可能にする遠隔リハビリテーション又は遠隔医療プラットフォーム、シミュレーションデータ出力に少なくとも部分的に基づいて保険調整を伝達する保険応用、シミュレーションデータ出力を利用したスポーツ賭博プラットフォームなどが含まれ得る。また、シミュレーションデータを組み込んだメディアブロードキャスト（例えば、スポーツイベントの結果に関する予測を提供する）、視聴されているライブスポーツイベントの補足としてシミュレーションデータを統合する（例えば、ユーザがライブコンテンツを視聴しながら賭け事をすることを可能にする）スポーツストリーミングコンテンツプラットフォーム（例えば、ビデオプラットフォーム）などが含まれ得る。また、１以上の個体の健康状態に関する情報を１以上の他のシステムに提供する非ディスプレイ媒体（例えば、キーフォブ又はスキャン可能なオブジェクト）が含まれ得る。
[0068] 応用（１１）に関する一変形例では、１以上のプロモーションは、１以上の製品の受け入れ及び／又は取得（例えば、販売、流通）を促進するためのサポートを提供する任意のプロモーションであり得る。これには、１以上の広告、シミュレーションデータを使用する提案（例えば、標的対象の動物データを利用して１以上のシミュレーションの実行を可能にすることによって掛け金を下げる可能性のある保険を取得する標的対象への提案）、シミュレーションデータを使用する割引メカニズム（例えば、ｎ回のシミュレーションが、プレーヤＸがプレーヤＹと対戦する試合に負けると予測する；したがって、賭け事システムは、シミュレーションシステムによって収集された新規な情報及び実行されている新規なシミュレーションに基づいて、リアルタイム又はほぼリアルタイムで生じるオッズが更新され、プレーヤＸが試合に勝つためのより有利なオッズをユーザ／賭け手に提供する）など、が含まれる。
[0069] 応用（１２）に関する一変形例では、「それらの組み合わせ」は、前述の応用のすべて又は前述の応用のサブセットを含む、前述の応用の任意の組み合わせを含み得る。
[0070] さらに詳細には、コンピューティングデバイス１２又はコンピューティングデバイス３０は、直接的又は間接的に；（１）１以上の賭け事を提案又は受け入れ；（２）１以上の製品を作成、強化、修正、取得、提案又は分配し；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達し；（４）１以上の戦略を策定し；（５）１以上のアクションを実行し；（６）１以上のリスクを軽減又は阻止し；（７）１以上のアクションを推奨し；（８）１以上のユーザを関与させ；又は、（９）それらの組み合わせを実行するように動作可能である。
[0071] 上述したように、１以上のセンサ１８は１以上の生体センサ（バイオセンサ）を含み得る。バイオセンサはバイオ信号を収集し、バイオ信号は、本実施形態に関連して、電気信号及び非電気信号の両方並びに人工的に生成された情報を含む、継続的又は断続的に測定され、監視され、観察され、算出され、計算され又は解釈され得る動物内の又は動物から導出される任意の信号又は特性である。バイオセンサは、１以上の標的個体からの、生理学的データ、生体測定データ、化学データ、生体力学的データ、遺伝子データ、ゲノムデータ、位置データ又はその他の生物学的データなどの生物学的データ（測定値及び信号を含む）を収集し得る。例えば、一部のバイオセンサは、眼球追跡データ（例えば、瞳孔反射、動き、瞳孔径、ＥＯＧ関連データ）、血流データ及び／又は血液量データ（例えば、ＰＰＧデータ、脈波伝播時間、脈派到達時間）、生体液データ（例えば、血液、尿、唾液、汗、脳脊髄液から導出される分析）、体組成データ（例えば、生体電気インピーダンス分析、体重、ボディマス指数、体脂肪データ、骨量データ、タンパク質データ、基礎代謝率、無脂肪体重、皮下脂肪データ、内臓脂肪データ、体水分データ、代謝年齢、骨格筋データ、筋肉量データを含む重量ベースのデータ）、パルスデータ、酸素化データ（例えば、ＳｐＯ２）、深部体温データ、電気皮膚反応データ、皮膚温度データ、発汗データ（例えば、速度、組成）、血圧データ（例えば、収縮期、拡張期、ＭＡＰ）、グルコースデータ（例えば、体液バランスＩ／Ｏ）、水分補給データ（例えば、体液バランスＩ／Ｏ）、心拍数ベースのデータ（例えば、心拍数、平均ＨＲ、ＨＲ範囲、心拍変動、ＨＲＶ時間ドメイン、ＨＲＶ周波数ドメイン、自律神経緊張、ＰＲ、ＱＲＳ、ＱＴ、ＲＲ間隔を含むＥＣＧ関連データ、心エコーデータ、胸部電気バイオインピーダンスデータ、経胸腔電気バイオインピーダンスデータ）、神経学的データ及びその他の神経学的関連データ（例えば、ＥＥＧ関連データ）、遺伝子関連データ、ゲノム関連データ、骨格データ、筋肉データ（例えば、表面ＥＭＧ、振幅を含むＥＭＧ関連データ）、呼吸データ（例えば、呼吸数、呼吸パターン、吸気／呼気比、一回換気量、呼吸測定データ）などの生物学的データに変換可能な又は生物学的データから導出可能な情報を測定又は提供し得る。一部のバイオセンサは、生体力学的データなどの生物学的データを検出し得、生体力学的データには、例えば、角速度、関節経路、運動負荷又は運動学的負荷、歩行描写、歩数、若しくは、対象の動きが特徴付けられる様々な方向の位置又は加速度が含まれ得る。一部のバイオセンサは、場所及び位置データ（例えば、ＧＰＳ、超広帯域ＲＦＩＤベースのデータ、姿勢データ）、顔認識データ、音声データ、運動感覚データ（例えば、靴の底に配置されたセンサから捕捉された物理的圧力）、又は、１以上の標的個体に関する聴覚データなどの生物学的データを収集し得る。一部の生体センサは、画像又はビデオベースであり、かつ、ビデオ又は他の視覚データ（例えば、ビデオ、ＭＲＩ、コンピュータ断層撮影スキャン、超音波、心エコー図、Ｘ線を含む静止画又は動画）を収集、提供及び／又は分析し得、これらのデータ上で、生物学的データは、検出され、測定され、監視され、観察され、外挿され、算出され又は計算され得る（例えば、ビデオデータから導出された生体力学的動き又は位置ベース情報、Ｘ線に基づいて検出された骨折、若しくは、対象のビデオ又は画像ベースの視覚的分析に基づいて観察された対象のストレス又は疾患）。一部のバイオセンサは、トリグリセリド値、赤血球数、白血球数、副腎皮質刺激ホルモン値、ヘモグロビン値、血小板数、ＡＢＯ／Ｒｈ血液型、血中尿素窒素値、カルシウム値、二酸化炭素値、塩化物値、クレアチニン値、グルコース値、ヘモグロビンＡ１ｃ値、乳酸濃度、ナトリウム値、カリウム値、ビリルビン値、アルカリホスファターゼ（ＡＬＰ）値、アラニントランスアミナーゼ（ＡＬＴ）値及びアスパラギン酸アミノトランスフェラーゼ（ＡＳＴ）値、アルブミン値、総タンパク質値、前立腺特異抗原（ＰＳＡ）値、微量アルブミン尿値、免疫グロブリンＡ値、葉酸値、コルチゾール値、アミラーゼ値、リパーゼ値、ガストリン値、重炭酸塩値、鉄濃度、マグネシウム値、尿酸値、葉酸レベル、ビタミンＢ－１２値などを含む、血液（例えば、静脈、毛細血管）、唾液、尿、汗などの生体液から情報を導出し得る。一変形例では、一部のバイオセンサは、アセチルコリンデータ、ドーパミンデータ、ノルエピネフリンデータ、セロトニンデータ、ＧＡＢＡデータ、グルタミン酸データ、ホルモンデータなどを含む生化学的データを収集し得る。１以上の標的対象に関する生物学的データに加えて、一部のバイオセンサは、周囲温度データ、湿度データ、標高データ及び気圧データなどの非生物学的データを測定し得る。詳細には、１以上のセンサは、少なくとも部分的にバイオセンサデータから導出される１以上の算出、計算、予測、確率、可能性、推定、評価、推測、判定、推論、観察又は予想を含む生物学的データを提供する。さらに詳細には、１以上のバイオセンサは、データのうちの２以上のタイプを提供することができ、そのうちの少なくとも１つは生物学的データ（例えば、心拍数データ及びＶＯ２データ、筋活動データ及び加速度計データ、ＶＯ２データ及び標高データ）である。
[0072] さらに詳細には、少なくとも１つのセンサ１８及び／又はその１以上の付属物は、１以上の標的対象の皮膚、眼球、生体器官、筋肉、毛髪、静脈、生体液、血管、組織又は骨格系を含む１以上の標的対象に取り付けられ、接触し、若しくは、１以上の標的対象に関連して又はそれから導出される１以上の電子通信を送信し、１以上の標的対象に埋め込まれ、１以上の標的対象内に留まる又は移植され、１以上の標的対象に摂取され、若しくは、１以上の標的対象の少なくとも一部を含むように統合され得る。例えば、歯、一連の歯又は１以上の歯と接触する装置に取り付けられた唾液センサ、標的対象の生体液又は毛髪から導出されたＤＮＡ情報を抽出するセンサ、（例えば、人体上に）着用可能なセンサ、標的個体の位置情報を追跡する電話のセンサ、ニューロンからの脳信号を検出し得る標的対象の脳に取り付けられた又は移植されたセンサ、１以上の生物学的機能を追跡するために標的対象によって摂取されるセンサ、動物と少なくとも１つの特性を共有する機械（例えば、ロボット）に取り付けられた又は統合されたセンサ（例えば、人間の能力と同様の１以上のタスクを実行する能力を有するロボットアーム；人間の能力と同様の情報を処理する能力を有するロボット）など。有利には、機械自体は、１以上のセンサから構成され得、センサ及び対象の両方として分類され得る。さらに詳細には、１以上のセンサ１８は、直接的に若しくは１以上の媒介又は介在アイテムを介して、標的個体と接触又は通信する繊維、生地、衣服、材料、固定具、物体又は装置に統合される又はその一部として又は取り付けられる又は埋め込まれる。例としては、接着剤を介して皮膚に取り付けられたセンサ、時計又はヘッドセットに統合されたセンサ、シャツ又はジャージに統合された又は埋め込まれたセンサ、ステアリングホイールに統合されたセンサ、ビデオゲームコントローラに統合されたセンサ、標的対象の手に接触しているバスケットボールに統合されたセンサ、標的対象によって保持されている媒介（例えば、ホッケースティック）と断続的に接触しているホッケースティック又はホッケーパックに統合されたセンサ、フィットネスマシン（例えば、トレッドミル、自転車、ベンチプレス）の１以上のハンドル又はグリップに統合された又は埋め込まれたセンサ、標的個体によって制御されているロボット（例えば、ロボットアーム）に統合されたセンサ、媒介の靴下及び標的個体の足首周りに巻き付けられた接着テープを通じて標的個体と接触し得る靴に統合された又は埋め込まれたセンサなどが含まれる。さらに詳細には、１以上のセンサが、床又は地面（例えば、人工芝、草、バスケットボールコート、サッカー場、製造／組立ラインの床）、座席／椅子、ヘルメット、ベッド、直接的に又は１以上の媒介を介して標的対象（例えば、衣服の媒介を介して座席のセンサと接触している対象）と接触している物体などに織り込まれ、埋め込まれ、統合され又は取り付けられ得る。さらに詳細には、センサ及び／又はその１以上の付属物は、対象の身体に由来する１以上の粒子又は物体（例えば、器官からの組織、対象からの毛髪）と接触し得、そこから１以上のセンサが生物学的データに変換可能な情報を導出又は提供する。さらに詳細には、１以上のセンサが、光学ベース（例えば、カメラベース）であり得、及び、そこから生物学的データが、検出され、測定され、監視され、観察され、抽出され、外挿され、推測され、控除され、推定され、判定され、算出され又は計算され得る出力を提供し得る。さらに詳細には、１以上のセンサが、光ベースであり得、及び、赤外線技術（例えば、温度センサ又は熱センサ）を使用して、個体の温度又は個体の異なる部分の相対熱を算出し得る。
[0073] 一変形例では、シミュレーション動物データは、実際の動物データのセットの少なくとも一部をランダムにサンプリングすることによって生成される。別の変形例では、実際のデータは、実際のデータセットの各値に小さな乱数を追加することによってシミュレーションデータに変換される。これに関連して、小さいとは、乱数が、それが追加される数の既定のパーセント内の値を有していることを意味する。詳細には、優先順の既定の値は、それが追加された値の１、１０、２０、３０、４０又は５０パーセントである。さらに詳細には、小さな乱数の平均はゼロである。別の変形例では、オフセット値が実際の動物データの各値に追加される。さらに詳細には、優先順のオフセット値は、それが追加された値の０．１、０．５、１、２、３、５、又は１０パーセントである。この目的のため、ランダムサンプリングに使用される乱数は、均一に分布され得る又は正規分布（例えば、ガウス乱数）され得る。
[0074] 別の変形例では、過去のデータ及び学習に基づいて１以上のシミュレーションがその場で作成され得る。この点、シミュレーション動物データは、多くの方法によって、シミュレーションに入力可能な形式に変換され得る（例えば、ビデオゲーム、シミュレーションスポーツイベント、健康保険の掛け金を調整するなどの目的のための１以上の生物学的イベントを予測又は予想するためのシミュレーションイベント）。ある詳細では、実際の動物データは、フィットを提供するように最適化された１以上の独立変数又は１以上の調整可能なパラメータを使用して関数に実際の動物データをフィットさせることにより、数値的にモデル化される。これに関連して、そのようなフィット関数はモデルと呼ばれる。このようなデータモデルでは、１以上の独立変数又はパラメータがシミュレーションによって入力されてシミュレーションデータ出力を提供する。この点、時間（ｔ）は、シミュレーション個体がシミュレーションイベントに参加している時間の関数として、シミュレーション生物学的出力（例えば、生理学的出力）を出力するために使用可能な有用な独立変数である。特に、生物学的パラメータは、時間の関数としてシミュレーションの仮想参加者に関連付けられ得る。
[0075] 別の変形例では、１以上の標的対象から以前に取得された実際の動物データのための生物学的パラメータが確率分布によって近似され得る。確率分布の例には、ベルヌーイ分布、均一分布、二項分布、正規分布（すなわち、ガウス分布）、ポアソン分布、指数分布、ローレンツ分布などが含まれるが、これらに限定されない。通常、これらの確率分布がランダムにサンプリングされて、シミュレーションにおける１以上のシミュレーション参加者に、１以上の生物学的パラメータ（例えば、生理学的パラメータ）を割り当て得る。例えば、１以上の標的対象から以前に取得された実際の動物データのための生物学的パラメータは、調整可能なパラメータとして平均及び標準偏差によるガウス分布で近似され得る。その後、ガウス分布がランダムにサンプリングされて、シミュレーションのための値を提供し得る。代替として、実際の動物データは、その後にシミュレーションによって適用される任意の関数（例えば、行、多項式、指数、ローレンツ、区分線形又は実際のデータポイント間のスプラインなど）にフィットされ得る。詳細には、以前に取得された実際の動物データは、１以上のシミュレーションにおいて独立変数又はパラメータとして適用可能な温度、湿度、標高、時間及びその他の非生物学的データなどの１以上の外的に関連付けられたパラメータを有し得る。さらに詳細には、特定の標的個体のための１以上の生物学的パラメータ（例えば、心拍数、拡張期血圧、収縮期血圧、発汗速度、走行距離など）が、アクティビティに関与している間の時間の関数として、機能的にモデル化され得る（例えば、多項式にフィット）。この後者の例では、シミュレーションは、モデル化された関数を使用して、シミュレーションが時間の経過とともに進行するにつれて標的個体のための値を提供し得る。この点、シミュレーションデータは、シミュレーションにおける参加者の生物学的事象（例えば、疲労レベル）を評価するために使用され得る。プレーヤが有する、例えば、上昇する心拍数、拡張期血圧、収縮期血圧、発汗率のある時間までの累計が疲労の尺度として使用され得る。図２は、収集された心拍数データのプロットと、データへの多項式フィット（多項式次数６０）を示している。
[0076] 一変形例では、人工データセットは、ランダムに又はそうでなければ、ユーザによって設定された１以上の開始パラメータを受けて生成され得る。これは、ユーザが所望する実際の動物データが、要求された時間枠又は方法で取得、捕捉又は作成不可能である場合に有用であり得る。ユーザが、実際の動物データの取得を不可能にし得る要件を有する場合、シミュレーションシステム１０は、消費に利用可能にされ得る、ユーザによって確立されたパラメータに適合する実際の動物データの少なくとも一部又はその１以上の派生物から導出された人工動物データを作成し得る。この点、データ取得者が選択する１以上のパラメータは、人工データが生成される１以上の入力として、及び／又は、生成された人工出力が取得者の所望する要件を満たすことを保証するために、利用され得る関連の実際の動物データの範囲を判定する。例えば、製薬会社又は研究機関は、センサＣから、睡眠中に、社交的喫煙（週に１５～２０本のタバコ）、週に２～３日、少なくとも１本のアルコール飲料を含む習慣を有する１７５～１８５ポンドの体重で、生体液由来レベルを示す特定の血液型で、並びに、糖尿病及び脳卒中の家族歴を有する、ｘのサンプリングレート設定で、２５～３４歳の少なくとも１０，０００人の一意の男性から、１０，０００の２時間ＥＣＧデータセットを取得したい場合がある。シミュレーションシステムは、例えば、要求者の最小要件に合致する５００の一意の男性からの５００のデータセットを有し得るので、シミュレーションシステムは、製薬会社又は研究機関の要求を満たすために、９，５００の一意のシミュレーションされた男性についての他の９，５００のデータセットを作成し得る。要求されたデータセットを作成するため、シミュレーションシステムは、必要とされるパラメータを使用し、かつ、５００セットの実際の動物データに基づいて人工データセット（例えば、人工ＥＣＧデータセット）をランダムに生成し得る。新規な１以上の人工データセットは、取得者が必要とする特性の一部又は全部に一致する以前に捕捉されたデータセットを分析する１以上の人工知能技術を適用することによって作成され得る。１以上の人工知能技術（例えば、１以上の訓練されたニューラルネットワーク、機械学習モデル）は、実際のデータセットのパターンを認識し、収集されたデータによって訓練されて動物（例えば、人間）の生物学及び関連のプロファイルを理解し、収集されたデータによってさらに訓練されて動物生物学及び関連のプロファイルに対する１以上のパラメータ又は変数の影響を理解し、かつ、取得者の最小要件に一致する又は満たすために取得者が選択した１以上のパラメータ又は変数を考慮する人工データを生成し得る。詳細には、類似の個体からの異なるデータセット、又は、異なる個体からの類似のデータセットも、モデル訓練及びデータ生成の両方の目的のため、１以上の人工知能モデルによって利用され得る。さらに詳細には、ユーザは、動物データの少なくとも一部を利用する１以上のシミュレーションのために１以上のパラメータ又は変数を選択し、１以上のシミュレーションが発生し、かつ、１以上のユーザが、シミュレーションデータの少なくとも一部又はその１以上の派生物を検討のために取得する（例えば、支払い、その他の非金銭的価値）。例えば、スポーツベッティングに関連して、シミュレーションシステムは、賭け手、ブックメーカ又はその他の関係者に、１以上の結果を予測するため、収集された動物データ（例えば、収集されたアスリートのセンサデータ）の少なくとも一部を利用する１以上のシミュレーションを取得（例えば、購入）する機会を提供するように動作可能である。有利なことに、そのようなシミュレーションはリアルタイム又はほぼリアルタイムで生じ得る。さらに詳細には、非動物データの少なくとも一部が、１以上のシミュレーションにおいて１以上のパラメータ又は変数として利用される。１以上の動物から導出されたシミュレーションデータを生成及び収益化するための特定の用途を有する動物データのための収益化システムに関連するさらなる詳細は、２０１９年４月１５日に出願された米国出願第６２／８３４，１３１号、２０１９年１０月８日に出願された米国出願第６２／９１２，２１０号、及び、２０２０年４月１５日に出願された国際出願第ＰＣＴ／ＵＳ２０／２８３５５号に開示されており、それらの開示の全体が参照によって本明細書に組み込まれる。１つの詳細では、上述したデータモデルが使用されてシミュレーションデータを作成し得る。さらに詳細には、シミュレーションデータは、例えば、１以上のニューラルネットワークを利用して、その詳細が本明細書に記載されている取得者が必要とする特性の少なくとも１つに一致する１以上の以前に捕捉又は作成されたデータセットを分析可能な１以上の人工知能技術（例えば、機械学習、ディープラーニング）の適用によって作成され得る。この点、人工知能ベースのエンジンは、１以上の実際の動物データセットの多様なシナリオで可能であることの１以上のパターン又は上限及び下限を認識し、かつ、ユーザ（例えば、賭け事のエンティティ、賭け手、特定の特性を有する大量のデータを取得しようとしている製薬会社又は医療提供者、保険会社など）の最小要件に一致する又は満たす人工データを作成する。１以上のデータセットは、単一の個体、１以上の類似した特性を有する１以上の個体のグループ、１以上の特性の規定されたグループ内の１以上の個体のランダムな選択、１以上の個体の規定されたグループ内の１以上の特性のランダムな選択、１以上の特性の規定されたグループ内の１以上の個体の規定された選択、又は、１以上の規定されたグループ内の１以上の特性の規定された選択に基づいて作成され得る。詳細には、グループは複数のグループを含み得る。ユーザの要件に基づいて、シミュレーションシステムは、データを関連して及びランダムに保つため、１以上の人工データセットを作成する際の再現性のために単一の変数／パラメータ又は複数の変数／パラメータを分離し得る。
[0077] 一変形例では、１以上のニューラルネットワークが利用されてシミュレーション動物データを生成する。概して、ニューラルネットワークは、実際の動物データで訓練された後にシミュレーション動物データを生成する。動物データ（例えば、ＥＣＧ信号、心拍数、生体液の測定値）は、通常、時系列の観察として、１以上の個体から１以上のセンサから収集される。シーケンス予測機械学習アルゴリズムが適用されて、収集データに基づいてあり得る動物データ値を予測し得る。収集動物データ値は、ニューラルネットワークの訓練フェーズ中に１以上のモデルに渡される。この非線形データセットをモデル化するために利用されるニューラルネットワークは、１以上のニューラルネットワークの確立された原理に基づいてそれ自体を訓練する。１以上の訓練されたニューラルネットワークの利用に基づいて実際の動物データから人工動物データを生成するため、少なくとも２つの別個の方法論が本明細書に記載されている。しかしながら、本発明は、実際の動物データから人工動物データを生成するために利用される方法論又はニューラルネットワークのタイプに限定されない。第１方法では、長短期記憶（ＬＳＴＭ）が使用されてシミュレーション動物データを生成する。長短期記憶（ＬＳＴＭ）は、回帰型ニューラルネットワーク（ＲＮＮ）の不利益（すなわち、爆発／勾配消失）に悩まされないタイプのニューラルネットワークである。第２方法では、敵対的生成ネットワーク（ＧＡＮ）が使用されてシミュレーション動物データを生成する。敵対的生成ネットワーク（ＧＡＮ）は、２つのニューラルネットワークから構成されたディープニューラルネットワークアーキテクチャであり、一方を他方に対抗させる（敵対的）。ジェネレータは、ＧＡＮを利用して、１以上の新規なデータセットを含み得る１以上の新規なデータ値を生成する一方、ディスクリミネータは、１以上のユーザ定義基準に基づいて１以上の新規な値を評価して、新規に作成された値を証明、検証又は認証する。
[0078] モデルを定義又は設計し、かつ、１以上のニューラルネットワークを関連付ける前に、第１ステップは、データを評価し、かつ、データ内にどのような関連の特性が示されているかを判定することである。１以上のニューラルネットワークを訓練するために入力可能な関連の動物データ特性が多数ある。例えば、ＥＣＧベースのデータの場合、時系列、非線形関数、自己回帰動作及び閾値を含む、関連し得る複数の特性がある。閾値は、一般的に受け入れられている値又は原理を包含する（例えば、心拍数が１分あたり２００拍を超える場合、９０歳を超える男性は医師に連絡すべきであること、又は、３３歳の男性の年齢ベースの最大心拍数が１分あたりｎ拍であることが確立され得る）。図３Ａは、プロアスリートから捕捉された１分あたりの心拍数（ＢＰＭ）のグラフを示す一方で、図３Ｂは、図３Ａのデータの自己相関関数を示している。
[0079] 図４は、シミュレーションデータを生成するためのニューラルネットワークアーキテクチャで使用可能なニューラルネットワークの概要を示している。ニューラルネットワークは、万能関数近似器であることが証明されている（すなわち、任意の非線形関数をモデル化し得る）。ニューラルネットワークは、デジタルニューロンの複数の層を通じて画像のような入力を渡す。各層は入力の追加機能を明らかにする。ネットワークのアーキテクチャは－ニューロン及び層をいくつ有しているか、及び、それらがどのように接続されているか－によって、ネットワークが得意とするタスクの種類を判定する。データがネットワークに送られると、発火する各人工ニューロンは次の層の特定のニューロンに信号を送信し、これらのニューロンは、複数の信号が受信されると発火する可能性がある。このプロセスにより、入力に関する抽象的な情報が明らかになる。浅いネットワークにはいくつかの層があるが、層ごとに多くのニューロンがある。これらのタイプのネットワークは計算の観点から集中的である。深いネットワークには多くの層があり、層ごとのニューロンは相対的に少ない。深いネットワークは、相対的に少数のニューロンを使用して高レベルの抽象化を実現し得る。各ニューロンは以下のルールに基づいて活性化される。
ｆは活性化関数であり；
Ｗは重み行列であり；
ｘは入力ベクトルであり；
ｂはバイアスであり；及び
Ｙは出力ベクトルである。
Ｗは重み行列であり；
ｘは入力ベクトルであり；
ｂはバイアスであり；及び
Ｙは出力ベクトルである。
[0080] ニューラルネットワーク技術で知られているように、重み行列は、誤差逆伝播と呼ばれるプロセスによって更新され、このプロセスでは、重みに関する予測出力と期待出力との間の誤差の勾配が使用されて、勾配が減少する方向における学習率に基づいて各ニューロンの重みを更新する。
[0081] 図５は、動物データの生成に使用可能な回帰型ニューラルネットワークの詳細を示している。回帰型ニューラルネットワーク（ＲＮＮ）は、ノード間の接続が時系列に沿って有向グラフを形成するニューラルネットワークの分類である。これにより、ニューラルネットワークは一時的な動的挙動を示すことを可能にする。順伝播型ニューラルネットワークとは異なり、ＲＮＮは、その内部状態（メモリ）を使用して入力のシーケンスを処理し得る。それらはシーケンス予測問題を処理するように設計されている。ＲＮＮは、入力シーケンスの任意の長期依存性の軌跡を保ち得る。図５に示すように、回帰型ニューラルネットワーク４０は、複数回ｉ繰り返されるベースネットワーク４２を含む。通常、ｉは、計算複雑度を追加することなく、必要な量の履歴を最適に保存するようにＲＮＮモデルの訓練フェーズ中に選択される。これは通常、とりわけ、データで観察されたパターン、自己相関統計、ヒューリスティック及びモデラーのドメイン固有の知識に基づいて選択されたいくつかのあり得る値を用いてモデルを訓練及びテストすることによって達成される。この図では、入力は、Ｘとラベル付けされており、重み行列Ｕによって重み付けされ、かつ、隠れ層Ｓに提供される。Ｗは、適切な活性化関数ｆを使用した隠れニューロン層Ｓからの出力である。複数の隠れ層がある場合に少なくとも最初の隠れ層について単一の隠れ層の場合、Ｗ＝ｆ（ＵＸ＋ｂ）、ｂはバイアスである。詳細には、隠れ層コンポーネントは複数の隠れニューロン層を含み得る。隠れ層ｊからの出力Ｗｊは、次の時間ステップにおける対応の隠れ層ｊに提供される。適切な活性化関数の例には、シグモイド関数、タン関数、ＲｅＬＵ、リーキーＲｅＬＵ及び当業者に知られている他の活性化関数が含まれるが、これらに限定されない。このネットワークでは、出力Ｏは隠れニューロン層Ｓから生成され、例えば、Ｏ＝ｆ（ＶＷ＋ｂ２）。ＲＮＮが訓練された後、最初のセルに入力を提供することによってシミュレーションデータが生成される（例えば、ランダムに生成される）。その後、このセルからの出力が入力として次のセルに提供され、後続のセルごとにこのプロセスが繰り返されてデータの完全なセットを生成する。
[0082] 標準的なＲＮＮによる問題は本質的に計算（又は実用的）のものであり；誤差逆伝播法を使用して標準的なＲＮＮを訓練するとき、誤差逆伝播された勾配は、有限精度の数値を使用するプロセスに包含される計算のために、消失し得る（すなわち、ゼロになる傾向があり得る）又は爆発し得る（すなわち、無限大になる傾向があり得る）。ＬＳＴＭユニットを使用するＲＮＮは、ＬＳＴＭユニットが勾配も変化しないまま流れることを可能にするので、勾配消失問題を解決する。一般的なアーキテクチャは、セル（ＬＳＴＭユニットのメモリ部分）、及び、ＬＳＴＭユニットの内側の情報の流れの３つのレギュレータ（通常はゲートと呼ばれる）：入力ゲート、出力ゲート及び忘却ゲートから構成される。図６は、シミュレーション動物データを生成するために使用可能なＬＳＴＭの概略図を示している。ＬＳＴＭ５０は回帰型セル５２を含む。回帰型セルは、忘却ゲート層５４、入力ゲート層５６、出力ゲート層５８及びタンゲート層６０を含む。これらの層の出力は以下の式によって示される：
ｉは入力ゲート層の出力であり；
ｆは忘却ゲート層の出力であり；
ｏは出力ゲート層の出力であり；
ｔは現在の時間ステップであり；
ｔ－１は以前の時間ステップであり；
ｔ＋１は次の時間ステップであり；
ｇはタンゲート層の出力であり；
Ｗは重み行列であり；
ｘｔは、ｔ時間ステップでの入力ベクトル（又は値）であり；
ｈｔは、ｔ－１時間ステップでの隠れ状態ベクトルであり；
σはシグモイド活性化関数であり；及び
tanhはタン活性化関数である。
メモリセル値ｃｔに関する式は以下のとおりである：
ＬＳＴＭが訓練された後にシミュレーションデータを生成するため、シミュレーションデータは、最初のＬＳＴＭセルに入力（例えば、ランダムに生成される）を提供することによって生成され、その後、このセルから生成された隠れ状態が、次のセルのための入力値を生成するための訓練されたニューロン層（例えば、ＬＳＴＭセルとともに訓練される）に提供される。このプロセスが繰り返されてシミュレーションデータの完全なセットを生成する。表１は、ＬＳＴＭ法を利用してシミュレーション動物データを生成するための擬似コードの例を示しており、この方法の１以上のパラメータが調整可能であり得る。
ｆは忘却ゲート層の出力であり；
ｏは出力ゲート層の出力であり；
ｔは現在の時間ステップであり；
ｔ－１は以前の時間ステップであり；
ｔ＋１は次の時間ステップであり；
ｇはタンゲート層の出力であり；
Ｗは重み行列であり；
ｘｔは、ｔ時間ステップでの入力ベクトル（又は値）であり；
ｈｔは、ｔ－１時間ステップでの隠れ状態ベクトルであり；
σはシグモイド活性化関数であり；及び
tanhはタン活性化関数である。
メモリセル値ｃｔに関する式は以下のとおりである：
[0083] ＲＮＮ方法（ＬＳＴＭ変数を含む）を適用する際、複数のイベント（例えば、複数のスポーツイベント；睡眠、運動、仕事などを含み得る個体の日常活動における複数の生物学的モニタリングセッション）からの動物データが、ニューラルネットワークを訓練するためのサンプルとして使用される。動物データの測定値は、タイムスタンプを付され、かつ、既定の期間（例えば、ほぼ毎秒）に生じる。最初に、モデルはＮ個のそのような観測値（ＬＳＴＭシーケンスの長さ）を使用して訓練され、観測値は、数個（例えば、２０個）、数百、数千、数百万などであり得る。ネットワークは、エラー測定基準としてＭＳＢ（平均二乗誤差）を使用し、かつ、後方伝播（重みの更新）の実装のためのＡＤＡＭオプティマイザを使用して、Ｎエポック（例えば、１００）にわたって訓練される。参考までに、ＡＤＡＭは、最適化アルゴリズムであり、訓練データに基づいてネットワークの重みを反復的に更新するために従来の確率的勾配降下法の代わりに使用され得る。データ固有のモデルを訓練した（かつ、モデルをインテリジェントにした）後、その後、モデルが適用されて動物データ用の予測を作成する。ＥＣＧベースのデータを使用するこの例では、モデルは、モデルがその後に生成する心拍数データを予測する。モデルによって生成された予測動物データ（例えば、心拍数）は、最初にサンプル内でテストされ、かつ、その後にサンプル外でテストされる。サンプルは、モデルにフィットするために使用されているデータサンプルを示す。ユーザがサンプルを入手してモデルをサンプルにフィットさせると、ユーザはそのモデルを予想に使用し得る。サンプル内予想は、利用可能なデータのサブセットを利用して、推定期間外の値を予想し、かつ、それらを対応の既知又は実際の結果と比較する。サンプル内予想を使用することによって、ニューラルネットワークによって生成されたすべての人工動物データは以前にモデルによって確認されている。したがって、ユーザがデータサンプルの一部であった観察を予想している場合、それはサンプル内予想である。サンプル外予想では、ニューラルネットワークによって生成されたデータがモデルによってこれまでに確認されたことはない。したがって、ユーザがデータサンプルの一部ではなかった観察を予想している場合、それはサンプル外予想である。
[0084] 図７Ａ及び図７Ｂは、ＬＳＴＭ法を使用して生成されたシミュレーション動物データを示すプロットを示している。図７Ａ及び図７Ｂのシミュレーション動物データはシミュレーション心拍数データである。両方の図には、実際の動物データ（すなわち、「元の心拍数」とラベル付けされている）に基づいて生成された人工的に作成された動物データ（すなわち、「予測心拍数」とラベル付けされている）が含まれる。図７Ａは、観察の予想が動物データサンプルの少なくとも一部を含む場合に発生するサンプル内を示している。上述したように、サンプル内予想を使用することによって、ニューラルネットワークによって生成されたすべての人工動物データは以前にモデルによって確認されている。例えば、ユーザが、実際の心拍数特性（又は実際の心拍数データの少なくとも一部）に基づいてアスリートＸの人工心拍数データを生成し、ビデオゲームの一部として組み込みたい場合、システムは、アスリートＸの以前に捕捉された実際の心拍数データを使用するモデルを最初に訓練し、及びその後、訓練されたばかりのモデルを使用してアスリートＸの人工心拍数データ（サンプル内）を生成する。生成された人工心拍数データは、以前に確認された値から構成される。図７Ｂはサンプル外を示している。サンプル外予想では、モデルは実際の動物データの少なくとも一部を用いて訓練される。しかしながら、サンプル内とは異なり、ニューラルネットワークによって生成された人工動物データは、これまでモデルによって確認されたことはない。この生成された人工動物データは、完全に新規なデータであり、かつ、実際の動物データの少なくとも一部に基づいている。サンプル外予想には、（１）対象の１以上の特性に基づいて、モデルがその特定の対象からのデータを確認したことがない標的対象のための、及び、（２）モデルがそれらの動物データを確認したが、新規な人工データセットを作成する１以上のパラメータ又は変数に１以上の変形例（例えば、変更、調整）を導入することによる標的対象のための、新規な動物データの生成が含まれる。特徴的に、サンプル外データセットは予測ユースケースに使用され得る。例えば、アスリートＸが実際のスポーツ競技（例えば、試合、ゲーム）でプレーしていて、ユーザが今後５分間のアスリートＸの心拍数がどのようなものであるか予測したい場合、ユーザは、以前の試合／ゲームからアスリートＸの以前に収集された心拍数データセットと、１以上の心拍数データセットにコンテキストを提供する各心拍数データセットに関連付けられた補助データセットと、を使用することができ、かつ、システムは、収集された心拍数データと補助データとを利用してモデルを訓練し、アスリートＸの「次の５分間」の心拍数データを人工的に作成する。別の例では、フィールド温度が華氏９０度であるときのアスリートＸの心拍数データのみをモデルが確認したが、フィールド温度が華氏１１０度であるときのアスリートＸの心拍数データを生成するようにシステムがモデルに要求している場合、サンプル外予想が使用されて、調整可能な温度入力（例えば、１１０度）に基づいてアスリートＸの人工心拍数データを生成する。
[0085] 図８は、敵対的生成ネットワーク（ＧＡＮ）からシミュレーション動物データを生成する方法を示している。ＧＡＮは、２つのニューラルネットから構成されるディープニューラルネットアーキテクチャであり、一方を他方に対抗させる（敵対的）。ＧＡＮ６０は、１以上の新規なデータセットを含み得る１以上の新規なデータ値６４を生成するジェネレータコンポーネント６２を含む一方、ディスクリミネータコンポーネント６８は、１以上の新規な値を証明、検証又は認証するための１以上のユーザ定義基準に基づいて１以上の新規な値を評価する。例えば、ディスクリミネータコンポーネント６８は、それがレビューするデータの各例が実際の訓練データセットに属するか否かを決定する。識別アルゴリズムは、入力データを分類しようとする（すなわち、データの観察の特徴を考慮して、そのデータが属するラベルを予測する）。数学的には、ラベルはｙと呼ばれ、特徴はｘと呼ばれる。ディスクリミネータは、与えられたｙ、すなわち、ｐ（ｙ｜ｘ）、又は、特徴を与えられたラベルにデータが属する確率を予測しようとする。生成アルゴリズムは、特徴すなわちｘを得ようとする。それらは、ｐ（ｘ｜ｙ）又はラベルが与えられた特定の特徴の確率を捕捉する。
[0086] この方法では、１以上の動物データセットがサンプルとして利用されてディスクリミネータを訓練する。ディスクリミネータには、あるデータセット対別のデータセット（例えば、真のデータ対偽のデータ、良好データ対不良データ）の違いを登録し得るように、代替のデータセット（例えば、偽のデータ又は不良データ）が用意される。例えば、アプリケーションはＧＡＮを使用してニューラルネットワークを訓練し、オブジェクトが特定の種類の食品であるか否かを区別し得る。別の例では、ＧＡＮが利用されて、湿度８０％及び環境温度９５度でプレーした試合でのアスリートＹの発汗パターンが、湿度８０％及び環境温度９５度のアスリートＹの発汗パターンに関するデータを用いて訓練されているかどうかを判定し得る。ユーザは、ニューラルネットワークを訓練するために提供したい１以上の代替データセット（例えば、偽のデータ、不良データ）の１以上の特性（例えば、量、品質）を判定し得る。特徴的に、ニューラルネットワークがより多くのデータを取得するにつれて、ニューラルネットワークは、それ自体を訓練するために必要な適切な特性を判定する能力を有し得る。概して、システムのデータ品質が高ければ高いほど、ネットワークはより良好になる。ディスクリミネータは、良好データ対不良データの評価プロセスを実行する。ディスクリミネータはフィードバックループを作成して、良好データ及び不良データの特性を学習し、良好データが良い理由と不良データが悪い理由とを評価することができるようにする。これにより、ディスクリミネータは、生成された動物データが、訓練されたモデルによって真であるか否かで確立された閾値（この例では、ＥＣＧベースの測定値）を満たしているかどうかを評価することを可能にする。ジェネレータは、１以上の入力（例えば、乱数、制約された数のセット）を受け取り、かつ、ディスクリミネータによって評価される単一の値（例えば、候補ＥＣＧ測定値）を生成する。その後、ディスクリミネータは、ジェネレータに結果をフィードバックし、学習フィードバックループを作成する。例えば、ジェネレータが毎秒１ｘで３つの連続した心拍数値を生成する場合：４３拍数／分（ｂｐｍ）、４５拍数／分、及び３００拍数／分、ディスクリミネータは、このパターンを調べ、かつ、心拍数が１秒間に４５から３００ｂｐｍに増加することができないことを認識するようにニューラルネットワークが訓練されている場合、この心拍数パターンが無効であることを認識する。これが発生すると、ジェネレータによって生成された値をディスクリミネータが「承認」するまで、ジェネレータは新規の値を再生成する。詳細には、アルゴリズムは、動物データをストリーミングするための時系列回帰スタイル問題に適合されるが、ＧＡＮの基本的な考え方は、人工動物データの作成又は動物データ値の予測に適用可能である。
[0087] 図８は、ＧＡＮ方法を使用して生成された心拍数データを示すプロットを示している。表２は、シミュレーション動物データを生成するためのＧＡＮ方法を実装するための擬似コードの例を示しており、このデータの１以上のパラメータが調整可能であり得る。
[0088] 詳細には、シミュレーション動物データを生成するために利用される１以上の訓練されたニューラルネットワークは、順伝播型、パーセプトロン、ディープ順伝播型、ラジアルベーシスネットワーク、ゲート回帰型ユニット、オートエンコーダ（ＡＥ）、変分ＡＥ、ノイズ除去ＡＥ、スパースＡＥ、マルコフチェーン、ホップフィールドネットワーク、ボルツマンマシン、制限ＢＭ、ディープビリーフネットワーク、ディープ畳み込みネットワーク、逆畳み込みネットワーク、ディープ畳み込み逆グラフィックスネットワーク、リキッドステートマシン、エクストリームラーニングマシン、エコーステートネットワーク、ディープ残差ネットワーク、コホネンネットワーク、サポートベクタマシン、ニューラルチューリングマシン、データ処理のグループ方式、確率的、時間遅延、畳み込み、ディープスタッキングネットワーク、一般回帰ニューラルネットワーク、自己組織化マップ、学習ベクトル量子化、単純回帰型、リザーバコンピューティング、エコー状態、双方向、階層型、確率的、遺伝的スケール、モジュール式、マシンコミッティ、連想的、物理的、即座に訓練された、スパイク、規制フィードバック、ネオコグニトロン、複合階層ディープモデル、ディープ予測コーディングネットワーク、多層カーネルマシン、動的、カスケード、ニューロファジー、構成パターン生成、メモリネットワーク、ワンショット連想メモリ、階層的時間メモリ、ホログラフィック連想メモリ、セマンティックハッシュ、ポインタネットワーク又はエンコーダ－デコーダネットワークのうちの１以上のタイプのニューラルネットワークから構成される。一変形例では、複数のニューラルネットワークが、同じ動物データの少なくとも一部又はその派生物の１以上で利用されてシミュレーションデータを作成する。
[0089] ニューラルネットワーク方法の各々では、モデルが利用するデータには、ユーザの嗜好に基づいてより標的を絞った人工データセットを作成可能な１以上の調整可能パラメータ又は変数が含まれ得る。例えば、プロスポーツに関連して、（例えば、バスケットボールの試合における）標的対象の人工心拍数データのデータセットを作成するときにユーザが組み込みたいパラメータ又は変数には、体温、環境温度、走行距離、生体液測定値、水分補給レベル、筋肉疲労、呼吸数などの入力が含まれ得る。また、パラメータ又は変数には、従来の統計（例えば、得点、リバウンド、アシスト、プレー時間）、ゲーム内データ（例えば、プレーヤがオンコートかオフコートか、プレーヤがオフェンス、ディフェンスでプレーしているかどうか、プレーヤがバスケットボールを持っているか持っていないか、任意の所定の時点のコート上でのプレーヤの位置、任意の所定の時点の特定のコート上での動き、プレーヤの誰がディフェンス中のガードであるか、誰がオフェンス中のプレーヤをガードしているか）、履歴データ（例えば、履歴心拍数データ、履歴体温／走行距離／生体液測定値／水分補給レベル／筋肉疲労／呼吸速度データ、任意の所定のチームに対するプレーヤの生物学的データセット、任意の所定の時点で誰がプレーヤをガードしているか、任意の所定のゲームで誰がプレーヤをガードしているか、任意のプレーヤをガードしているプレーヤの生物学的測定値、任意の所定のプレーヤによってガードされているプレーヤの生物学的測定値、プレー時間、任意の所定のオフェンス又はディフェンスに対してプレーしているプレーヤの生物学的測定値、プレー時間、任意の所定のゲームのコート上の位置及び動き、従来の統計、その他のゲーム内データ）、類似及び非類似の状況における類似及び非類似のプレーヤとの比較データ（例えば、ガードしている又は特定のプレーヤによってガードされているとき、特定のチームと対戦しているときの他のプレーヤの統計）、負傷データ、回復データ（例えば、睡眠データ、リハビリテーションデータ）、トレーニングデータ（例えば、プレーヤが、ゲームにつながる数日間又は数週間にトレーニングでどのように実行したか）、栄養データ、プレーヤの自己評価データ（例えば、彼らが肉体的、精神的又は感情的にどのように感じているか）など、を含む生物学的データにコンテキストを提供するデータも含み得る。他の変数には、年齢、体重、身長、生年月日、人種、国籍、習慣、アクティビティ、ゲノム情報、遺伝情報、病歴、家族歴、投薬歴なども含まれ得る。そのようなパラメータ／変数は、単なる例示であり、かつ、網羅的ではないことを理解されたい。
[0090] 特徴的に、動物データは、１以上の結果が生じる理由に関するコンテキスト、及び、１以上の結果が生じ得る将来はどのようなものかに関する情報を提供し得る。例えば、多くの場合、予測は、どの動物データが過去の結果をもたらしたかを知ることなく、限られたコンテキストで行われ、かつ、過去のパフォーマンス（例えば、生物学的パフォーマンス、タスクのパフォーマンス）に基づいて行われる。スポーツベッティングに関連して、分析は、過去の統計パフォーマンス（例えば、個体統計、チーム統計）、パフォーマンスの状況コンテキスト（例えば、会場、条件、プレー時間、対戦相手に対する過去の結果）、及び、派生した傾向（例えば、チームＸの右利きに対する満塁時のプレーヤＣの打率．２７４）周りにフォーカスされ得る。多くの場合、捕捉されたデータに関する欠落しているコンテキストは、過去の結果を推進する（例えば、影響を与える）ために１以上の標的個体又は標的個体のグループでどのように（多くの場合、生物学的に）生じたかである。この点、動物データは、欠落しているコンテキストを提供し得、シミュレーションデータは、動物データ及びその他の変数又はパラメータに基づいて、次に何が生じ得る又は何が生じる予定かに関する情報を提供し得る。より具体的には、シミュレーションデータは将来の結果についてのコンテキストを提供し得る。例えば、シミュレーションシステムは、履歴統計パフォーマンス、パフォーマンスの状況コンテキスト、及び派生した傾向情報に関して捕捉された情報を利用してもよく、並びに、この情報を動物データと相関させて、これらの結果をもたらしたものを判定し、かつ、任意の所定の個体又は個体のグループのベースラインを確立し得る。一変形例では、シミュレーションシステムは、１以上の標的個体の過去の動物データ（例えば、心拍数、水分補給データ、生体力学的データ、位置データ）、動物データに関する状況コンテキスト情報（例えば、結果を生じたときにプレーヤがストレスを感じた？結果が生じたときにプレーヤは脱水状態であった又は緊張していた？）、及び、過去の動物データ状態内の１以上の傾向（例えば、プレーヤＡは、疲労レベルがｚ％未満のときに時間のｙ％でｎフィートから外側のショットをミスする）を利用し得、かつ、この情報をパフォーマンスに関する非生物学的情報と相関させ得る。過去の結果をもたらしたものに関するベースラインが確立されると、シミュレーションシステムは、ベースラインデータを利用することによって、収集された動物データの測定値を解釈し、任意の所定の結果が生じた理由をよりよく理解し得る。有利なことに、データ収集及び分析はリアルタイム又はほぼリアルタイムで行い得る。一変形例では、シミュレーションシステムは、ベースラインデータ及び収集された動物データ（例えば、履歴データ、リアルタイム又はほぼリアルタイムの動物データ）に基づいて１以上のシミュレーションを実行して、１以上の標的個体に関する将来の動物データ（例えば、所定のスポーツ競技会の第４クォータのアスリートの将来の心拍数データ）を予測するためのシミュレーションデータを生成し得る。ある変形例では、シミュレーションによって生成されたシミュレーション動物データ（例えば、将来のシミュレーション心拍数データ）は、結果を予測するための１以上のさらなるシミュレーションにおける１以上の入力として使用され得る（例えば、アスリートの将来の心拍数測定値に基づいて、アスリートは次のショットをする／次のショットをミスする、試合に勝つ／負けるなど）。詳細には、１以上の人工知能技術が利用されて、データセットを相関させ、１以上の標的個体又は標的個体のグループから既知の生物学的関連の問題を識別し、同様に、１以上のデータセット内の隠れパターンを識別し、収集データに基づいて、生物学的関連の問題を識別し得る。これには、以前に既知の問題と相関されたことのないデータ内のまったく新規なパターンの研究結果、又は、新規な問題を識別し得る１以上のデータセット内での新規なパターンの研究結果が含まれ得る。例えば、動物データ、動物データに関する状況コンテキスト情報及びリアルタイム又はほぼリアルタイムの動物データに基づく傾向を収集することにより、リアルタイム又はほぼリアルタイムのデータを状況に相当する履歴データと比較することを可能にする一方、マイクロトレンド（例えば、数秒以内又は数分以内）及びマクロトレンド（例えば、試合全体）の両方の評価を可能にする。有利には、１以上のシミュレーションは、リアルタイム又はほぼリアルタイム及び／若しくは過去の動物データ情報を利用して発生し、１以上の標的個体又は標的個体のグループの１以上の将来の動物データ測定値に関する１以上の発生を予測し得る、及び／又は、１以上の結果を予測し得る。
[0091] 前述の方法のうちの１以上を利用する際、以前に収集された又は現在の実際のデータセットの収集期間がシミュレーションデータを用いて延長され得る。例えば、アスリートＡの所定の量のインプレーデータ（例えば、１０時間、１００時間、１０００時間又はそれ以上）、並びに、アスリートＡ及びアスリートＡがプレーした試合に関連付けられた１以上の他のデータタイプ（例えば、テニスなどのスポーツに関連して、標高、コート内の温度、湿度、心拍数、走行距離、スイング速度、エネルギーレベル、呼吸速度、筋肉活動、水分補給レベル、生体液由来のデータ、ショットパワー、ポイントの長さ、コート位置、対戦相手、特定の環境条件での対戦相手のパフォーマンス、対戦相手に対する勝率、同様の環境条件での対戦相手に対する勝率％、現在の試合統計、試合でのパフォーマンス傾向に基づく過去の試合統計）にアクセスを有するシミュレーションシステム１０は、１以上の人工知能ベースのモデルを使用して所定のデータセットを拡張し、所定のアスリートがプレーしなかった又はまだプレーしていない試合からデータを再作成し得る（例えば、プレーヤＡが、捕捉された心拍数で２時間、３セットの試合をプレーしたが、ユーザは、事象が発生する前に第４セットについてのプレーヤＡの心拍数データを知りたい。したがって、シミュレーションシステムは１以上のシミュレーションを実行してシミュレーション動物データを作成する）。より具体的には、１以上のニューラルネットワークは、アスリートＡの生物学的機能及び１以上の変数が任意の所定の生物学的機能にどのように影響し得るかを理解するために、アスリートＡに関連付けられた１以上の生物学的及び非生物学的データセットで訓練され得る。ニューラルネットワークは、１以上の生物学的機能及び１以上の変数の影響に基づいて、どのような結果（又は複数の結果）が生じたかを理解するようにさらに訓練され得る。例えば、現在のシナリオを含む任意の所定のシナリオ内のアスリートＡの１以上の生物学的機能、現在のシナリオを含む任意の所定のシナリオ内のアスリートＡの１以上の生物学的機能に影響を与え得る１以上の変数、アスリートＡによって示される１以上の生物学的機能及び／又は存在する１以上の変数に基づいて現在のシナリオを含む任意の所定のシナリオにおける以前に生じた１以上の結果、現在のシナリオと類似のシナリを含む任意の所定のシナリオにおけるアスリートＡに類似及び非類似のアスリートの１以上の生物学的機能、現在のシナリオに類似したシナリオを含む任意の所定のシナリオにおけるアスリートＡの１以上の生物学的機能に影響を与え得る１以上の他の変数、現在のシナリオに類似したシナリオを含む任意の所定のシナリオにおいてアスリートＡに類似及び非類似の他のアスリートの１以上の生物学的機能に影響を与え得る１以上の変数、並びに、アスリートＡに類似及び非類似のアスリートによって示された及び／又は１以上の変数に関連付けられた１以上の生物学的機能に基づいて現在のシナリを類似したシナリオを含む任意の所定のシナリオにおいて以前に生じた１以上の結果などの情報を理解するように訓練される際、データの取得者は、現在収集されたデータセットを人工的に生成されたデータで拡張するために１以上のシミュレーションの実行を要求し得る（例えば、アスリートＡは、捕捉された位置ベースのデータを含む様々な生物学的データで２時間プレーしたばかりである。取得者は、発生している試合の３時間前に、同じ試合条件で試合の３時間目のアスリートＡの位置ベースのデータを必要としているので、システムは、１以上のシミュレーションを実行して、以前に収集されたデータに基づいてデータを作成し得る。）、又は、任意の所定のアクティビティで発生する結果を予測し得る（例えば、アスリートＡのデータのみを見て、アスリートＡが、試合に勝つ可能性、又は、第４セットに勝つ可能性、又は、アスリートＢに対するその他の結果）。一変形例では、１以上のニューラルネットワークは、チームで、グループで又は互いに競争している可能性がある複数の動物（例えば、アスリート）で訓練され得、１以上のニューラルネットワークは、各動物からの１以上のデータセットを用いて訓練されて、１以上の結果を予測するための予測指標を導出可能なシミュレーションデータをより正確に生成し得る（例えば、アスリートＡがアスリートＢと対戦する試合で勝つかどうか）。この例では、１以上のシミュレーションが実行されて、各アスリートの実際の動物データに基づいて最初に人工動物データを生成し、かつその後に、生成された人工動物データの少なくとも一部を１以上のさらなるシミュレーションで利用して、任意の所定の結果の可能性を判定し、及び／又は、予測し得る。
[0092] 一変形例では、本明細書に記載の方法のいずれかによって生成されたシミュレーション動物データは、シミュレーションによって使用されるべきルックアップテーブルに変換され得る。別の変形例では、１以上のユーザ要件又は人工知能ベースのモデルが選択するものに応じて、１以上の入力が、ユーザによって提供され得る、又は、人工知能ベースのモデルによって人工的に作成され得る。
[0093] 別の変形例では、シミュレーションシステム１０は、動物から生成されたデータセットの代替として１以上のシミュレーションデータセットを提供する。詳細には、１以上のコンピューティングデバイス１２及び／又は３０は、シミュレーションデータの少なくとも一部又はその１以上の派生物から、１以上の洞察、計算された資産又は予測指標を作成する。有利なことに、シミュレーションデータは、特に賭け事用途、並びに、医療、遠隔医療、保険、フィットネス、健康／ウェルネスモニタリングなどに関する確率評価システムに特別に焦点をあてた動物データ予測システムで使用され得る。より具体的には、生成されたシミュレーション動物データは：（１）１以上の賭け事が行われる又は受け入れられる市場として；（２）１以上の製品を作成、修正、強化、取得、提案又は分配するため；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達するため；（４）１以上の戦略を策定するため；（５）１以上のアクションを実行するため；（６）１以上のリスクを軽減又は阻止するため；（７）１以上のシミュレーション、計算又は分析で利用される１以上の信号又は測定値として；（８）１以上のシミュレーションの一部として、その出力が１以上のユーザと直接的又は間接的に関与し；（９）１以上のアクションを推奨するため；（１０）１以上の消費媒体に対する１以上のコアコンポーネント又はサプリメントとして；（１１）１以上のプロモーションで；又は、（１２）それらの組み合わせとして、直接的又は間接的に使用され得る。詳細には、シミュレーションシステムは、動物データの少なくとも一部を利用して１以上のシミュレーションを実行し、１以上のシミュレーションが発生し、シミュレーションデータが生成され、そこから、１以上の製品又はサービスが、シミュレーションシステム又は別のコンピューティングデバイスによって、作成、修正、強化、取得、提案又は分配される。例えば、シミュレーションシステムは、賭け手が取得（購入）する、１以上の賭けをするために利用し得る（例えば、シミュレーションシステムは、ブックメーカとして機能し得、かつ、有利なオッズを明らかにし、かつ、ユーザが製品を取得して同じプラットフォーム内で賭けをすることを可能にする１以上のシミュレーションから生成された動物データベースの予測製品を提案し得る）生成されたシミュレーションデータ（例えば、動物データに少なくとも部分的に基いたスポーツイベントの結果の予測）に基づいて１以上の賭け刺激製品を提案するスポーツベッティングプラットフォーム（例えば、ブックメーカ）としても機能し得うる。別の例では、シミュレーションシステムは、生成されたシミュレーションデータの少なくとも一部を利用する１以上の賭けを受け入れ得る（例えば、ブックメーカとして機能するシミュレーションシステムは、シミュレーションシステムによって操作されている仮想競馬に基づいて１以上の賭けを提案又は受け入れ得る；ブックメーカとして機能するシミュレーションシステムは、１以上のシミュレーションの結果を利用して調整したオッズに基づいて、現実世界のイベントに対して１以上の賭けを提案又は受け入れ得る）。別の例では、機能するシミュレーションシステムは、１以上のシミュレーションの１以上の結果に基づいて、任意の所定の賭けに対して提案するリアルタイム又はほぼリアルタイムのオッズを調整し得る。シミュレーションデータを利用する動物データ予測システムに関する追加の詳細は、２０１９年４月１５日に出願された米国特許出願第６２／８３３，９７０号；２０１９年１０月９日に出願された米国特許出願第６２／９１２，８２２号；及び、２０２０年４月１５日に出願された国際出願第ＰＣＴ／ＵＳ２０／２８３１３号に開示されており、その開示の全体が参照によって本明細書に組み込まれる。このようなシミュレーションデータセットは、１以上の入力として利用され得る動物データ及びその他のデータから導出され得る。詳細には、１以上の入力はユーザの挙動を含む（例えば、スポーツベッティングに関連して、これには、１以上の以前の賭け事又はデータとの相互作用が含まれ得る；保険などの他のシナリオに関連して、シミュレーションで入力可能な形式で記録され得る任意の挙動が含まれ得る）。有利なことに、潜在的なユーザに１以上の結果を提供するため、少なくとも１つのパラメータ又は変数をランダム化して、１以上のシミュレーション内の１以上のパラメータ又は変数を変更又は修正する能力はリアルタイム又はほぼリアルタイムで生じ得る。このようなパラメータの例には、実際の動物データを上述した関数にフィットさせるために使用される調整可能なパラメータが含まれる。スポーツベッティングに関連して、リアルタイム又はほぼリアルタイムで実際の動物データに基づくデータセットを利用してもう１つのシミュレーションを実行する能力は、シミュレーションシステム又はサードパーティシステムが直接的又は間接的に：（１）１以上の賭け事を提案又は受け入れ；（２）１以上の製品を作成、拡張、修正、取得、提案又は分配し；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達し；（４）１以上の戦略を策定し；（５）１以上のアクションを実行し；（６）１以上のリスクを軽減又は阻止し；（７）１以上のアクションを推奨し；（８）１以上のユーザを関与させ；又は、（９）それらの組み合わせをし得る、全く新規なデータセットを生成し得る。
[0094] 詳細には、動物データの少なくとも一部を組み込んだシミュレーションデータが利用されて、１以上の洞察、計算された資産又は予測指標を強化し得る。例えば、シミュレーションシステム１０は、システムによって収集された履歴データに基づいて生じている特定の結果に関する確率を導出し得る又は予測を作成し得る（履歴データは、任意の現在のデータセット、例えば、リアルタイム又はほぼリアルタイムデータで収集されたデータを含む）。動物データの少なくとも一部を組み込んだシミュレーションデータを使用して１以上のシミュレーションを実行することによって、システムは、シミュレーションデータの様々なバージョンに基づいて結果が生じる可能性が高いことを判定するために予測指標を作成、修正又は拡張し得る。有利には、１以上のシミュレーションは、リアルタイム又はほぼリアルタイムで発生して、リアルタイム又はほぼリアルタイムの出力を提供し得る。シミュレーションデータの様々なバージョンは、実際の動物データをフィットさせることによって決定された、上述するような異なる調整可能なパラメータを有し得る。例えば、テニスの試合に関連して、従来の統計に基づいて１以上のシミュレーションが実行されて、プレーヤが他の対戦相手との試合に勝つか負けるかを判定し得る。これには、直接対決での勝敗比、以前の勝敗記録、ランキング、それまでの数年間のトーナメントでのプレーヤのパフォーマンス、コート表面（例えば、芝生、ハードコート、クレー）でのプレーヤのパフォーマンス、及び、プレーヤの以前の試合長さが含まれ得る。分析は、テニスプレーヤの現在の試合ステータス（例えば、プレーヤＡが、第２セットの第４ゲームで、６－４、３－２で負けている）、履歴データ（例えば、プレーヤＡが第２セットの第４ゲームで、６－４、３－２で負けているときのプレーヤＡの試合結果のすべて、ｎ分間プレーした後に第２セットのファーストサーブのパーセンテージ、３回連続してトップスピンバックハンドを打った後のバックハンド側のアンフォーストエラーのパーセンテージ）を含む、試合内でより詳細になり得る。動物由来のセンサデータ（例えば、走行距離などの位置データの計算、生理学的特性、生体液データ、生体力学的動き）及び他のセンサデータ（例えば、現在の条件の湿度、標高及び温度；以前の試合条件の湿度、標高及び温度）を組み込むことによって全く新規な人工データセットが作成され得る。例えば、特定のシナリオに関するデータが生成され、データは、プレーヤの心拍数が第２セットの第４ゲームで１９０ｂｐｍを超えたときにプレーヤがどのように実行するか、又は、第２セットの第４ゲームで：（１）プレーヤの心拍数が１９０を超え、（２）試合で２．１マイルより多く走った、かつ、（３）コート内の温度が９５度を超えているときにプレーヤがどのように実行するかを予測する。結果分析の粒度は細かくなり、シミュレーションデータに基づいて、プレーヤが別の対戦相手に対して特定のセット、ゲーム又はポイントを勝つか負けるかを決定することができるようにする。動物データは、任意の所定のシナリオで結果が生じる理由に関するコンテキストを提供し、１以上のシミュレーションは、１以上の予測が追加されたコンテキストに基づき得ることを可能にする人工データを生成する。この例では、１以上のシミュレーションが発生して、試合中のプレーヤＡの生物学的出力（例えば、将来の心拍数及び呼吸数のデータ）を予測し得、これは、さらに１以上のシミュレーションで利用されて、洞察、計算された資産又は予測指標を微細に調整し得る。
[0095] 詳細には、シミュレーションシステムは、１以上の対象による最適パフォーマンスを達成するために必要なもう１つのパラメータ、条件又は要件を予測するため、１以上の対象の生物学的データの少なくとも一部を利用して１以上のシミュレーションを実行してシミュレーションデータを生成するように動作可能である。最適なパフォーマンス（例えば、所定のタスク、生物学的機能）には、身体的パフォーマンスと神経学的パフォーマンスとの両方が含まれ得る。例えば、「ゾーン」にある対象の精神状態（例えば、フロー状態）は、１以上の標的個体からの情報を捕捉する１以上のセンサから導出される１以上のタイプの動物データ（例えば、心拍数データ、ＥＣＧデータ、ＲＲ間隔データ、心拍変動データ（ＬＦ／ＨＦ比）、瞳孔径データ、呼吸速度データ、ＥＥＧデータ、ＥＭＧデータ、機能的ＭＲＩデータ、運動データ、グルコースデータ、ＦＦＡ代謝データ、運動パターンデータ、グルココルチコイド又はＨＧＨデータなどのホルモンデータ、ノルエピネフリン、コルチゾールレベル及び／又はドーパミンレベルなどの他の生化学的データなどを含み得るがこれらに限定されない生物学的データの１以上の組み合わせ）を利用することによって予測され得る。そのような生物学的情報は、１以上の変数又はパラメータ（例えば、状況のコンテキスト、環境データ、時間、対象の感情、対象のスキル、対象が実行しているタスクなどの出力情報、睡眠、対象のスキルに対するタスクの困難性、目標の明確さ、リスク、個体が知覚する制御のレベルなど）と組み合わせられ得、そのうちの１以上は、１以上の個体による情報の伝達を可能にする質問票又は他の媒体によって判定され得、最適なパフォーマンス状態のパラメータを判定する。例えば、１以上の生物学的パラメータ、関連の変数並びにそのようなパラメータ及び変数に関連付けられた１以上の結果を調べることによって、生物学的発生、変数及び結果の間に相関関係が作成され得る。生物学的データと最適なパフォーマンス状態が達成される条件との両方に関する個体のベースライン、システムは、生物学的データから導出されたシミュレーションデータを生成して、個体をそれらの最適なパフォーマンス状態に保つための１以上の調整をするために任意の所定のセットの変数／パラメータ内で将来の最適なパフォーマンス状態を予測し得る。このような最適化は、スポーツ、医療、フィットネス／ウェルネス、軍事、一般的なビジネス（例えば、従業員のウェルネス）など、任意の対象ベースのパフォーマンスについて発生し得る。一変形例では、システムは、１以上の人工知能技術を利用して、所望の生物学的状態（及びそれに対応する動物データの測定値）が達成される最適な１以上の変数／パラメータを決定し得る。例えば、最適なパフォーマンス状態に関する対象の個体のベースライン－対象の動物データの測定値を含む－が判定されると、システムは、収集された動物データからシミュレーションデータを生成して、それらの最適なパフォーマンス状態を達成するために１以上の標的対象に必要とされる最適なセットの変数／パラメータを予測し得る。
[0096] 別の例では、高齢者介護施設は、標的個体から収集された動物データの少なくとも一部を利用して１以上のシミュレーションを実行し、標的個体のあり得る健康アウトカムを判定し、及びしたがって、標的個体に必要とされる将来のケアの量を判定し得る。将来必要とされ得るケアの量に基づいて、施設は、個体のプロファイルに基づいて各個体の価格設定を作成、修正又は強化することができ得る（例えば、個別の価格設定）。そのようなシナリオでは、１以上のタイプの人工動物データセットが最初に標的個体に対して生成され（例えば、標的対象の今後ｎ年間の将来のＥＣＧ測定値から構成されるデータセット）、そこから１以上の生物学的事象が予測され得る。さらに、シミュレーションデータに基づいて、施設は、１以上の標的個体のケアをするための予想作業負荷及び要件を反映するように、そのスタッフのレベル及びスキルを調整し得る。ある変形例では、生成された人工動物データが１以上のさらなるシミュレーションで利用され、予測指標を作成及び／又は微調整し得る（例えば、シミュレーションシステムによって生成される標的対象の将来のＥＣＧ測定値を用いて、シミュレーションシステムは１以上のシミュレーションを実行して、今後ｍか月における心臓発作又は脳卒中の可能性を判定し得る）。別の例では、自動車又は航空機の製造業者は、リスクを軽減又は阻止するために、車両又は航空機内の標的対象に関する１以上の応答を提供するため、シミュレーションを実行して予測指標を微調整したい場合がある。より具体的には、自動車製造業者は、車両を運転している間に特定の生物学的特性（例えば、生理学的又は生体力学的特性）を示している誰かが事故を引き起こす危険性があり得るかどうかを判定したい場合がある。車両は、その１以上の派生物を含み得る動物データを利用することにより、リスクを軽減又は阻止するために１以上のシミュレーションから導出された予測指標に基づいて１以上のアクションをとり得る（例えば、停止する、道の片側に寄せる、病院まで自身で運転する）（例えば、収集されたセンサデータに基づいて人が心臓発作を起こしていると判定された場合、車両は自身を病院まで運転し得る；ステアリングホイールを握って運転している間、特定の年齢、体重範囲、身長範囲、心臓の状態、心拍数の増加、血圧の上昇、ストレスレベルの上昇、不規則な生体力学的動きなど所定のプロファイル及び特性を有する心臓発作を起こしている人の可能性が既定の閾値よりも大きいと判定された場合、車両は自身を停止させ得る；又は、対象がこれらの所定の特性及びパラメータのセットを用いて心臓発作を起こすという予測指標を介したより絶対的な予測）。別の例では、航空会社は、動物データの少なくとも一部に関して発生する出来事の確率に基づいて、飛行中に１以上のソースセンサを介して１以上のパイロットのリアルタイムの生物学的特性を監視し、１以上のアクションをとり得る（例えば、航空会社に通知する、パイロットから制御を奪う、飛行機を自動操縦にする、航空会社又は航空会社の製造元に対して飛行機の遠隔制御を有効にする）。
[0097] 別の例では、保険会社は、１以上の特性（例えば、身長、体重、病状）を共有する１以上の人の結果に関する仮説を有している場合がある。結果は、例えば、人が今後ｎか月で病気又はウイルス感染に罹る可能性、所定の傷害が所定の回復率を達成する可能性、個体が医学的エピソードを経験し得る可能性（例えば、発作、心臓発作）などであり得る。その仮説をテストするため、保険会社は、動物データの少なくとも一部を利用して、シミュレーションシステム１０を介して１以上のシミュレーションを実行し、発生する１以上の出来事に関する確率を算出し、それらの個体の予想される結果を判定し得る。１以上のシミュレーションに基づいて、所定の結果のオッズが作成、調整又は強化され得る。保険の例では、掛け金が調整され得、又は、結果が発生する可能性に基づいて料金が設定され得る。一変形例として、動物データとシミュレーションデータを含むその１以上の派生物とによって、保険会社は、任意の所定の標的対象又は標的対象のグループの生物学的状態及び潜在的な将来の出来事をよりよく理解することができる。シミュレーションデータを含む動物データは、１以上の製品又は製品カテゴリの作成、修正、強化、取得、提案又は分配と、そうした製品のパーソナライズ（パーソナライズされた価格設定を含む）に関するものを含む、保険業界の幅広い機会に使用され得る。シミュレーションデータの少なくとも一部を利用することによって、保険会社は、パーソナライズされてグループ化されたリスクをはるかに正確かつきめ細かく識別し得、よりミクロな（例えば、アクティビティ又はアクティビティのグループに固有の）製品の作成又は修正と、さらなるアクセス性（例えば、そのような保険商品のリアルタイム又はほぼリアルタイムの取得）を可能にする。さらに、シミュレーションデータを含む動物データにより、任意の所定の標的個体、標的個体のグループ、又は標的個体の複数のグループに対して１以上のリスクプロファイルを作成可能であり、任意の所定の個体又はグループに関連付けられた任意の所定のリスクに基づいて製品のセグメンテーション及び価格設定の柔軟性をさらに高めることができる。シミュレーションデータにより、保険モデルを、より継続的なものにし（固定ではなく）、対象の生物学的測定値及び対応の派生物（例えば、予測される将来の生物学的測定値）に基づいて製品を提案し、製品を１以上の対象又は対象のグループなどの特定のニーズに基づいてカスタマイズすることもできる。
[0098] 保険に関するシステムの場合、対象は、動物データを収集する１以上のセンサを有し得る。１以上のデバイスは、保険会社が対象の生物学的測定値を監視することを可能にする１以上の信号又は測定値を生成し得る。有利なことに、シミュレーションデータは、収集された動物データの少なくとも一部から生成されて、保険会社が１以上のアクションをとる（例えば、掛け金を調整する）ことを可能にする将来の出来事（又は出来事の可能性）に関する１以上の洞察又は予測指標を提供し得る。生成されたシミュレーションデータは、保険会社に対象のリスクプロファイル（例えば、それらのパーソナルリスクプロファイル）を提供可能な予測指標を作成、修正又は強化するために利用され得る。そのようなシミュレーションデータは、１以上のシミュレーション（例えば、人が関与しているアクティビティ）における１以上の入力として、１以上の非動物データソースからの１以上の信号又は測定値を含み得る。代替として、標的対象のシミュレーション動物データ（例えば、将来の動物データの測定値）を組み込んだ１以上のシミュレーションが実行されて、対象のパーソナルリスク（例えば、標的対象が任意の所定の医療イベントを経験する可能性）に関する予測指標出力を生成し得る。パーソナルリスクは、保険会社が任意の所定の対象を評価するために使用し得る数又は複数の数（例えば、スコア又はその他の指標）などの様々な方法で表され得る。
[0099] １以上のシミュレーションを実行すると、保険会社に、１以上の標的対象又は標的対象の１以上のグループを含む１以上の将来の事象の１以上の結果に関する１以上の予想、予測、確率、可能性、見積もり又は推奨を提供し得る。例えば、１以上のセンサは、心拍数データ、ＥＣＧ測定値、酸素化データ、血圧データ、体重データ、体組成データ、脈拍データ、生体液データ（例えば、血液又は尿から導出されたデータ測定値）、遺伝子データなどを含む動物データ情報を収集し得る。１以上のセンサから導出された１以上の測定値は、標的個体又は標的個体と１以上の同等の特性を共有する他の個体からの類似及び以前の測定値と比較して異常である可能性がある（例えば、年齢、体重、身長、社会的習慣、病歴及び標的個体が比較されるその他の生理学的特性において類似しているベースライングループ）。補助情報が、センサデータ（例えば、特定の習慣又はライフスタイルの選択）から導出され得、又は、１以上の測定値に基づいてメタデータ（例えば、アクティビティ）の一部として含まれ得る。これは、１以上の健康問題（例えば、病気、疾患、感染症、肥満の問題、遺伝子変異又は派生物）、ライフスタイルの問題（例えば、薬物使用、タバコの使用、アルコール乱用）、アクティビティの問題（例えば、運動不足）などを示し得る。データを収集する際、１以上のシミュレーションが実行されてシミュレーションデータを生成し得る。シミュレーションデータは、予測指標（例えば、任意の所定の医療事象の可能性、疾病、障害、死亡、任意の所定の病気からの回復率、ウイルス感染、細菌感染、負傷など）の形式のものであり得る、又は、自身の又はさらなるシミュレーション又はモデルで使用されて予測指標を作成し得る既定の一連の条件下における将来の動物データの代表的なものであり得る。収集された動物データと１以上のシミュレーションの出力とに基づいて、保険会社は、任意の所定のポリシーの１以上の掛け金の調整を含み得る１以上のアクション（例えば、リアルタイムで発生する可能性があり、かつ、リアルタイム又はほぼリアルタイムの情報が収集及び／又は生成されるたびに）、すべての関係者の将来のコストを削減するために任意の所定の健康アウトカムをどのように改善可能であるかについて対象を教育などする（例えば、運動、栄養、習慣の変化に関する１以上の具体的な推奨を含む）。保険会社は、動物データに基づいて追加のインセンティブを提供し得る（例えば、任意の所定の動物データ関連の健康目標又はセンサ関連データ目標を達成又は達成しなかった場合のボーナス又はペナルティ、共有される動物データの頻度に基づく代替価格設定オプション、など）。有利なことに、動物データを収集及び／又はシミュレーションデータを提供するシミュレーションシステムの機能は、そのいずれか又は両方がリアルタイム又はほぼリアルタイムで発生する可能性があり、リアルタイム又はほぼリアルタイムの保険申請を可能にする。
[0100] 一変形例として、動物データ及びその派生物（例えば、シミュレーション動物データ）は、より効率的で自動化された保険引受プロセスを可能にし得る。クレームは、少なくとも部分的に、１以上のセンサからの捕捉動物データ及び導出シミュレーションデータに基づき得る（例えば、１以上のセンサが不規則な生物学的アクティビティを捕捉し、そこから、発生した又は将来発生しそうな生物学的事象に関する情報が取得され得る）。１以上のシミュレーションが実行されて、標的対象内の１以上の他の生物学的プロセス又は要素の予想される効果を判定し得る。健康及びウェルネスの用途や他の生物学的追跡のユースケースにも適用可能であり得るこのような健康監視シナリオでは、１以上の通信媒介が利用されて（例えば、ドローン、高高度疑似衛星などの１以上の無人航空機；センサの収集及び通信ハブとして機能するオンボディ伝送ハブ）、センサデータを監視するとともに、１以上のシミュレーション、１以上の対象又は対象のグループを介して、収集されたデータを評価するため、連続的又は断続的に１以上のセンサと直接通信し得る。そのような通信媒介は、１以上の標的対象に関する追加情報を提供するために１以上のセンサを含み得る（例えば、標的対象に配置されたセンサからデータを収集しながら、標的対象及び事故現場のビデオを記録する統合カメラを用いて事故現場に配備されるドローン）。センサからの連続的又は断続的なデータ収集により、１以上のシミュレーションが、任意のクレームに関する重要な情報（例えば、対象に発生したもの、この出来事に基づいて発生しそうなもの、クレームの発生しそうなコスト、クレームをカバーするために必要なもの、現在の生物学的データに基づく将来の任意の潜在的なクレームをカバーするために必要なもの）を提供及び解釈することを可能にする。
[0101] 詳細には、シミュレーションデータの少なくとも一部又はその１以上の派生物が使用されて、１以上の保険サービス、識別、分類、料率、償還又はそれらの組み合わせを作成又は修正する。さらに詳細には、シミュレーションデータの少なくとも一部又はその１以上の派生物に基づいて、１以上の健康分類、治療、処置、識別、料率、償還又はサービスが直接的又は間接的に作成、修正又は割り当てられる。一変形例では、シミュレーションデータの少なくとも一部又はその１以上の派生物が使用されて、１以上の健康処置、サービス、治療、コード、識別、分類、料率、償還又はその組み合わせを作成、修正又は割り当てる。
[0102] 別の変形例では、１以上のシミュレーションが使用されて、疾病及び関連保健問題の国際統計分類（ＩＣＤ）、国際生活機能分類（ＩＣＦ）、医療行為の国際分類（ＩＣＨＩ）、保険及び健康用途のための現行医療行為用語（ＣＰＴ）（例えば、遠隔患者モニタリング、慢性ケア管理、移行ケア管理など）、医療共通診療行為コードシステム（ＨＣＰＣＳ）及び他の同様のシステムに関する１以上のコードに関連付けられた処置、サービス、識別、分類又は料率（例えば、コスト）を作成又は修正し得る。例えば、ある変形例では、患者は、任意の所定の医療治療を受けるために医療ニーズを有する必要がある。医療ニーズは、１以上の個体に関連付けられた任意の診断であり得る。これらの状況では、診断はＩＣＤコードを受け取り得る。ＩＣＤコードは、疾病、障害、症状、薬物や化学物質の悪影響、負傷などをグループ化して識別するために使用される診断コードである。ＣＰＴコードは、診断に合わせた１以上の治療を定義する。診断に基づいて治療を受ける前、１以上のシミュレーションが実行されて１以上の結果を評価し得る（例えば、治療の有効性に関する確率を判定するため）。保険会社及び医療提供者は、実行するシミュレーションの数、使用されるべき関連データ、ＣＰＴコードに関するシミュレーションの償還額に関する料率、シミュレーションデータ及びそれが提供する値に基づく新規のＣＰＴコードの作成などを判定するため、１以上の契約を締結し得る。料率は、実行するシミュレーションの数（例えば、１シミュレーション対１０，０００）、標的対象の数、センサデータの品質などを含む１以上のパラメータの影響を受け得る。詳細には、動物データの少なくとも一部を利用する１以上のシミュレーションの出力は、推奨又は処方される治療のタイプ、治療の長さ、治療中の動物データ目標（例えば、目標、閾値を含む）（例えば、標的個体の１以上の測定値に関する標的又は目標）などを利用する。
[0103] 詳細には、シミュレーションシステムは、遠隔健康モニタリングシステムである。特徴的に、そのようなシステムは、患者とその医療専門家との間の仮想医療チェックイン（例えば、患者からのオーディオ、ビデオ及びセンサデータを含み得るシステム）を可能にし得る。医療サービス、特に遠隔医療サービス（例えば、初期設定、患者教育、患者が遠隔で生成する健康状態データの収集及び解釈に費やした時間）に対して１以上の償還が提供され得る場合、シミュレーションシステムは医療エコシステムに全く新規な価値を提供し得る。１以上のシミュレーションを実行するためにシステムが彼らの動物データにアクセス可能に患者がすることによって、シミュレーションシステムは、動物データから導出された任意の所定の症状に関するコンテキストと、１以上の症状に基づいた潜在的な将来の結果と、を医療専門家に提供し得る。このような情報は（現在及び将来の医療の観点から）時間及びコストを節約し得る。詳細には、シミュレーションデータの少なくとも一部が使用されて、１以上の医療サービス又は処置に関連付けられた１以上のコスト又は償還を作成又は修正し得る。例えば、仮想チェックインの償還を組織に提供する米国のＨＣＰＣＳコードＧ２０１２などの償還コードは、１以上のシミュレーションの実行と、１以上のシミュレーションの出力と、基づいてそのコスト構造を修正又は調整し得る（例えば、心拍数などの１つのタイプの動物データの予測指標を提供するための償還は、複数のタイプの動物データのための複数の別個の予測指標又は複数のタイプの動物データを考慮した予測指標を提供する場合とは異なり得る）。この例では、シミュレーションデータに基づいて、全く新規なコスト構造、コード、手続、サービス、識別、分類及び／又は料率が作成され得る。
[0104] さらに詳細には、１人以上の人とのつながりアプリケーション又はプラットフォーム（例えば、デートアプリケーション、Ｆａｃｅｂｏｏｋ、Ｉｎｓｔａｇｒａｍ、又は仮想ベースのソーシャルプラットフォームなどのソーシャルインタラクションアプリケーション）の一部としてシミュレーションデータが利用されて、１人以上の人とのつながりに関する１以上の予測、確率又は可能性を作成、調整又は修正し得る。人とのつながりは、ロマンチックなつながり、物理的なつながり、愛のつながり、友情のつながり、ビジネスのつながりなどであり得る。例えば、デートアプリケーションは、お互いのプロファイル（例えば、写真、ビデオ、プロファイル情報、又は他の形式の関与）と交流した２人以上の標的個体からの捕捉動物データを利用して１以上のシミュレーションを実行し、２人以上の標的個体が潜在的なロマンチックな相手であるかを予測し得る。シミュレーションシステムは、視覚的関与時に２人以上の標的個体からの１以上の生物学的測定値（例えば、心拍数の上昇、神経化学的データ、瞳孔反応又は瞳孔径などのセンサから捕捉された生理学的指標）を評価し、かつ、つながる魅力を示す１以上の動物データ測定値の１以上の変動を検出し得る。つながりの強さは、１以上の他の視覚的関与と比較した１以上のタイプの動物データの各々の変動の程度と相まって、各標的個体のベースラインを確立することによって判定され得る。シミュレーションシステムは、１以上の動物データ測定値の変動に基づいて、２以上の人の間のつながりの強さに基づいて洞察（例えば、スコア）が作成され得るシミュレーションデータを生成し得る。詳細には、ユーザは、１以上のシミュレーションを購入してつながりの強さを判定し得る。さらに詳細には、１以上のシミュレーションのデータへのアクセスを許可するユーザ（例えば、女性の対象）は、シミュレーションシステムが自分のデータへのアクセスを可能にするための対価の一部を受け取り得る（例えば、１以上の男性の対象が、生物学ベースのつながりがあるかどうかを知ることに興味を示した場合）。
[0105] さらに詳細には、動物データの少なくとも一部を組み込んだシミュレーションデータが利用されて、１以上のシミュレーションイベントのための１以上の製品（例えば、プロップベット又はスポーツベッティングの市場）を作成し得る。例えば、スポーツ競技に関連して、実際のスポーツ競技でチームＢと対戦するときに、システムが、チームＡの心拍数データ、及び、他の「チームＡ対チームＢ」ベースのデータ（例えば、以前にプレーしたチームＡ対チームＢの競技の非動物データベースの結果）を収集した場合、システムは、１以上のシミュレーションの一部として組み込まれた、動物データの少なくとも一部を含む、以前に収集されたデータの少なくとも一部を利用する１以上の新規な賭けを作成するように動作可能であり得る（例えば、チームＡ及び／又はチームＢの動物データの少なくとも一部を１以上のシミュレーション試合の一部として利用するとき、賭けは、「１０，０００のシミュレーション試合におけるチームＢとの対戦の継続中、チームＡの平均最大心拍数が１分あたり１７０拍を超えているか」、又は、「１０，０００のシミュレーション試合におけるチームＢとの対戦の時間の８０％超で試合に勝っているか」であり得る）。現在開示され主張されている主題の目的のため、「以前に収集されたデータ」は、現在のシナリオで現在収集されているデータ又はデータセット（例えば、任意の現在のシナリオで収集されたリアルタイム又はほぼリアルタイムのデータを含む）を含む「現在のデータ」を含み得る。さらに詳細には、動物データの少なくとも一部を組み込んだシミュレーションデータが利用されて、１以上の仮想／シミュレーションイベントのための１以上の新製品を作成し得る。現在開示され主張されている主題の目的のため、仮想イベント（及び主題）は、シミュレーションイベント（及び主題）と交換可能に使用可能であり、逆もまた同様であり、シミュレーションデータのアプリケーションを記述する。仮想イベント又はシミュレーションイベントへの参照は、例示的であり、かつ、人工動物データを利用可能なすべてのあり得るシステムを含むことを意味する。製品は、賭け事の一部として利用されるプロップベット又は製品化された情報、若しくは、仮想賭けのリスク軽減戦略を含み得る。例えば、システムが１以上の実際のレースで１以上の実際の対象（例えば、実際の馬）の呼吸数を収集した場合、システムは、（少なくともモデリングの目的で）現実世界の馬の呼吸数を表す収集された現実世界の呼吸数データに基づいて、１以上のシミュレーションレースのシミュレーションデータ（例えば、シミュレーション呼吸数）を生成し、１以上の仮想レースで生成されたシミュレーション動物データの少なくとも一部を利用する１以上の仮想対象（例えば、仮想馬）の１以上のプロップベット又はベッティング製品をシステムが作成することを可能にする（例えば、賭けは：動物データの少なくとも一部又はその１以上の派生物が仮想レースの一部として利用されるとき、又は、シミュレーションデータ指標が利用されて動物データから導出されるとき、「仮想レースでの仮想馬の最大呼吸数が指標Ｘを超えるか」；「仮想馬Ｙが、仮想馬Ｚよりも高い最大呼吸数を有しているか」；「仮想馬Ｚがレースに勝つか」であり得る）。一変形例では、シミュレーションシステムによって生成されたシミュレーションデータは、それが導出されたものと同じ１以上の特性を共有しない場合がある。例えば、仮想対象（例えば、仮想馬）の人工データ（例えば、人工呼吸数）を生成する場合、シミュレーションは、生成された人工呼吸数を別の指標（例えば、色、「疲労」などの別の名前）として特徴付けて表示し得る。さらに詳細には、１以上の仮想対象は、１以上の実際の対象に対して少なくとも１つの共通の特性を共有し、仮想イベントは、実際の動物データが収集されたイベントに対して少なくとも１つの共通の特性を共有する（例えば、システム内の実際の馬及びイベントのうちの少なくとも１つの特性を用いて、馬Ｚが実際のレースで走り、仮想馬Ｚが仮想レースで走っている。この特性は、例えば呼吸数であり得、イベントは競馬であり得る。賭け：「仮想レースでの仮想馬Ｚの最大呼吸数は指標Ｘを超えるか」）。対象の特性には、１以上の生物学的特性、物理的特性、プロファイル特性（例えば、同じ名前、ジャージ番号、チーム名、チーム色）などが含まれ得る。別の例では、１以上の対象が参加可能なシミュレーション（例えば、ビデオゲーム、仮想世界のビデオゲーム）は、ゲームをプレーしている１人以上のユーザの実際の動物データに関する１以上の賭け事又は製品（例えば、購入するゲーム内仮想製品）を作成し得る（例えば、仮想ビデオゲームの一部として組み込まれているユーザの実際の動物データを利用する、ゲーム内の動物データ又は他の動物データの少なくとも一部を組み込んだシミュレーションデータを使用するとともに、目標に到達するユーザのためのゲーム内での報酬を作成する；ユーザが、動物データから少なくとも部分的に生成される人工データベースの仮想製品を購入することを可能にする；ビデオゲームで利用される人工動物データに基づいて賭けのタイプ又は製品を作成する）。さらに別の詳細では、シミュレーションデータは、１以上の新規な値を作成し得る動物データの少なくとも一部に基づいてシミュレーション（例えば、仮想イベント、ビデオゲーム）のために作成される。例えば、上記シナリオでは、ユーザは、シミュレーション呼吸数が指標Ｘを超えたときに、シミュレーションイベントで馬Ｚがレースに勝つ確率と、任意の所定のシミュレーションレースでこれが発生する頻度と、を知りたい場合がある。システムは、動物データの少なくとも一部を含む様々なデータを利用してシミュレーションデータを生成し得る（例えば、利用可能なすべてのレースの１以上のソースセンサから収集された現実世界の馬Ｚの呼吸数；利用可能な場合、１以上のソースセンサからの同様の条件で競争する他の同様の馬の呼吸数；利用可能な場合、１以上のソースセンサからの異なる条件で競走する他の同様の馬の呼吸数；利用可能な場合、１以上のソースセンサからの同様の条件で競争する他の異なる馬の呼吸数；利用可能な場合、１以上のソースセンサからの異なる条件で競走する他の異なる馬の呼吸数；同様の及び異なる条件の同様の及び異なる馬の１以上のソースセンサから収集された他の比較動物データ（例えば、心拍数）；１以上のシミュレーションレースから生成されたシミュレーション呼吸数データ；シミュレーションレースの入力として利用され得る現実世界で収集された他の要因－天気又は気温のような環境条件、負傷、生体液データ、速度及び加速度データなどの位置ベースのデータ、訓練データなど）。シミュレーション動物データは、仮想レースに勝つ馬Ｚの仮想表現に関する１以上の確率又は予測を作成するためにさらに１以上のシミュレーションで利用され得る。情報に基づいて、ユーザは仮想競馬に賭けをし得る。
[0106] さらに詳細には、シミュレーションシステム内のシミュレーション対象のデータは、複数の現実世界の動物からのデータから構成され得る。例えば、競馬に関連して、シミュレーションシステムが仮想馬の心拍数を特徴付けている場合、心拍数は、全体として仮想馬を構成する複数の現実世界の馬から導出され得る。
[0107] さらに別の詳細では、少なくとも１つのタイプの動物データを組み込んだシミュレーションデータが利用されて、より正確にオッズ（例えば、ベッティングライン）を作成又は調整し得る。例えば、特定の現実世界の試合でプレーヤＡとプレーヤＢとのラインが設定されている場合、コンピューティングデバイスは、様々な同様の試合条件（例えば、コート上の環境データ、現在のスコア、現在の統計、以前の勝敗記録、以前の直接対決の統計）、及び、１以上の動物データ入力（例えば、現在の試合データを含む、すべてのプレーヤＡの動物データ対プレーヤＢの動物データ、過去のプレーヤＡ対プレーヤＢの直接対決の動物データ、同様の環境条件でのすべてのプレーヤＡ及びプレーヤＢの動物データ、プレーヤＡ及びプレーヤＢの試合前のトレーニングデータ、負傷データなど）、及び、シミュレーションデータ入力（例えば、プレーヤＡの試合の残りの部分のシミュレーション心拍数及び関連の生理学的測定基準、試合の残りの部分のプレーヤＢのシミュレーション心臓及び関連の生理学的測定基準）を使用して１以上のシミュレーションを実行し得、システムがより正確に結果の確率を判定することを可能にする。一変形例では、機械学習技術などの１以上の人工知能技術を利用することによって、システムは、以前に収集されたデータセットと現在のデータセットとを分析して１以上の確率、可能性又は予測を作成、修正又は強化し得る。１以上のデータセットは、シミュレーションデータの少なくとも一部を含み得る。機械学習ベースのシステムが、明示的なプログラム命令ではなく、収集データから学習するように設定されている場合、１以上のデータセット内に隠されている可能性のあるパターンを検索して認識する機能により、機械学習ベースのシステムが、予測がなされることを可能にする収集データから洞察を明らかにすることを可能にする。有利には、機械学習ベースのシステムはデータを使用して学習するので、新規なデータがシステムに入力される際にモデルの予測及び精度を向上させるだけでなく、（信頼性が高く再現性のある結果の生成も可能にする）システムによってなされた以前の計算から提供されたフィードバックから導出されたモデルの予測及び精度を向上させるために、反復的なアプローチをとることがよくある。このようなシナリオでは、任意の所定の時点で任意の所定の対象からシステムに入る新規な生体センサデータなどの新規な動物データにより、新規なシミュレーションを実行し、より広範なデータセットに基づいて新規な相関関係を作成することが可能である。例えば、プレーヤＡ及びプレーヤＢの試合についてポイントごとに（又はより短い期間で）システムに入力されるデータを用いて、シミュレーションシステムは、将来の動物データ測定値をより正確に予測し、かつ、結果をより正確に予測するためのシステム内の他のデータにこれらの測定値を相関させることが可能であり得る。一変形例では、その後、確率又は予測が導出されて利用され、リアルタイム又はほぼリアルタイムで発生し得る１以上のオッズを作成又は調整し得る。
[0108] さらに別の詳細では、賭け事システムに新たな価値を生み出し得る動物データの少なくとも一部に基づいてシミュレーション（例えば、仮想イベント）のためにシミュレーションデータが作成される。例えば、ユーザは、仮想対象（例えば、仮想馬＃３）が、その仮想呼吸速度が指標Ｘを超えるとき、（複数の馬からの現実世界の馬データの総計が仮想馬＃３を構成し得、１以上の現実世界の馬＃３の同等のものによって実行されたレースからの実際のデータを特徴付け得る）。シミュレーションで仮想レースに勝つ確率を知りたい場合がある。確率ベース又は予測データセットがパッケージ化されて、ユーザが戦略を策定する及び／又は仮想競馬に賭けをするために取得可能な１以上の新規な賭け製品を作成し得る。同様に、保険会社は、標的個体の特定のグループに発生する出来事の確率を知りたい場合があり（例えば、特定の心臓の病気を有する標的個体、又は、動物データ測定値に影響を与える１以上のポジティブ／ネガティブな社会的習慣を有する標的個体）、及び、彼らの掛け金を下げるためにそのような標的個体に特別に適合された製品を作成し得る。別の例では、標的対象からの実際の動物データ（及び、ある変形例では他の対象からの実際の動物データ）に基づいて作成された１以上の人工データセットが、シミュレーションシステム１０を使用して修正され、標的対象の任意の所定の特性（例えば、疲労、急速な心拍数の変化）に対応するデータに偏差を導入し得る。１以上のパラメータ又が、変数を変化、変更又は調整して修正データセットを生成する機能を使用すると、１以上のシミュレーションが実行されて、１以上のパラメータ又は変数の変化に基づいて標的対象がどのように実行するかを確認し得（例えば、高ストレス状況、高高度環境、極度の高温、極度の動き又は移動）、シミュレーションシステム１０は、身体メトリクス（例えば、心拍数、呼吸など）、１以上のパラメータ／変数及び発生する出来事の可能性（例えば、特定の試合に勝つこと）の間のパターンを確立し、シミュレーションシステムが、任意の所定のパラメータ／変数の変化に基づいて、特定の条件付きシナリオ（例えば、仮定のシナリオ）に関する１以上の確率を計算することを可能にする。一変形例では、１以上の製品の作成、調整又は強化（例えば、賭け金、保険商品、健康モニタリングプラットフォーム用の分析パッケージ）及び／又はオッズは、イベントの発生時にシミュレーションデータの調整に基づいてリアルタイム又はほぼリアルタイムで発生し得る。例えば、スポーツに関連して、シミュレーションシステムは、プレーヤＡ及びＢの間の現在の試合の１以上のシミュレーションを実行し、新規なデータがリアルタイム又はほぼリアルタイムのシミュレーションでリアルタイム又はほぼリアルタイムでシステムに入力され、これにより、発生する任意の所定の結果又は所望の結果に関する１以上の確率、可能性又は予測が割り当てられ得る値又は一連の値を提供し得る。例えば、分析中の結果が、「現在の試合でプレーヤＡの心拍数が毎分２００拍に達するか」、又は、「プレーヤＡがプレーヤＢと対戦する試合に勝つか」である場合、システムは、生じる結果に関する確率又は予測を作成するために収集された動物データの少なくとも一部を利用する１以上のシミュレーションを実行し得る。システムが実行可能なシミュレーションの例には、（ａ）プレーヤＢが予想よりも長い時間で第１セットを勝ち、プレーヤＡが心臓導出データに基づいてストレスを感じ始める；ユーザは、収集されたデータ（現在及び以前に収集された動物及び非動物データ）に基づいてプレーヤＡの第２セットにおける潜在的な結果を確認することに関心がある；（ｂ）環境温度が試合の第１セットの開始から第１セットの終了まで１５度上昇し、プレーヤＡの疲労データがプレーヤＡの疲労を示している際、カバーされるプレーヤＡの距離に高温が影響を及ぼし始める：が含まれ、ユーザは、プレーヤＡが現在の疲労レベルに基づいてどこまで走ると予想されるか、あり得る試合結果に基づいて予想される疲労レベル、現在の環境温度、及び、試合中の予想環境温度を確認することに関心がある。このようなシミュレーションシナリオはｎ個存在する可能性があり、さらに、過去の同様の試合に基づいて、システムの人工知能エンジンによってオンザフライで作成される１以上のシミュレーションシナリオが存在し得る。これらすべてのシミュレーションが実行されると、出力が収集及び分析されて調査中の結果の確率又は予測を提供する。
[0109] １以上のシミュレーションデータセットを作成するための別の方法では、以前に捕捉されたデータ又は以前に作成されたシミュレーションデータは、１以上のシミュレーションを通じて再実行されて１以上の新規なデータセットを作成する。この例では、既存のデータ（例えば、実際の動物データ及びシミュレーションデータ）がベースラインとして使用されて、１以上のシミュレーション（例えば、出来事の可能性を判定するために同じ１以上のデータ入力で、ｎ回－例えば、１０，０００回－実行されたシミュレーション）を介して特定の結果に関する確率、可能性又は予測を判定し得る。シミュレーションデータを作成するためのさらに別の方法では、１以上の新規な変数又はパラメータが既存のデータに適用されて新規なデータセットを作成し得る。より具体的には、１以上のランダム化された変数を有する既存のデータが、１以上のシミュレーションを通じて再実行されて、以前はシステムで確認されていなかった新規なデータセットを作成する。例えば、シミュレーションシステムが標的個体（例えば、アスリート）及び標的イベント（例えば、標的個体がプレーした試合）のデータセットを有するとき、システムは、データセット内の１以上のパラメータ又は変数（例えば、標高、コート上の温度、湿度）を再作成及び／又は変化させ、１以上のシミュレーションを介して１以上のイベントを再実行して標的シミュレーションデータ出力を生成するように動作可能であり得る。例えば、テニスに関連して、２時間の試合全体で、気温が華氏９５度以上であるとき、取得者は１時間のプレーヤＡの心拍数データを必要とし得る。システムは、様々な気温（例えば、８５°Ｆ、９１°Ｆ、７８°Ｆ）での心拍数データの１以上のセットと、同様の条件のプレーヤＡ、及び、同様の条件及び異なる条件のその他の同様の及び異なるアスリートとともに同様の条件のプレーヤＡについての、標的対象向けに本願で前述した入力を有し得る。９５度以上でのプレーヤＡの心拍数データが収集されていないので、システムは、１以上のシミュレーションを実行して人工データを作成し、及びその後、そのデータを１以上のさらなるシミュレーションで利用し得る。詳細には、システムは、異なるデータセットを組み合わせて１以上の新規なデータセットを作成又は再作成するように動作可能であり得る。例えば、特定のトーナメントの２時間の試合全体で気温が９５度を超えるとき、ユーザは１時間のプレーヤＡの心拍数データを必要とすることがあり、この場合、標高又は湿度などの１以上の特徴がパフォーマンスに影響を与え得る。このデータはその全体が収集されたことはないが、要求されたデータの少なくとも一部を備え、かつ、１以上の所望のパラメータ／変数を特徴とする様々なデータセット（例えば、心拍数を特徴付けるプレーヤＡからの１以上のデータセット、９５度を超える気温でテニスをプレーすることを特徴付けるプレーヤＡからの１以上のデータセット、標高などの要求された特徴を有する必要なトーナメントでの１以上のデータセット）がシミュレーションシステムによって識別され得る。データセット内及びデータセット全体でこれらの要求されたパラメータを識別し、かつ、収集された動物データ及び関連の結果に対する１以上のパラメータ／変数の影響を理解するように訓練されるように動作可能なシミュレーションシステムを用いて、シミュレーションシステムは、１以上のシミュレーションを実行して、これらの異なるデータセットに基づいて、ユーザの要求を満たす１以上の新規な人工データセット（例えば、予測指標、計算された資産又は人工動物データであり得る）を作成し得る。一変形例では、１以上の新規なデータセットを作成又は再作成するために使用される異なるデータのセットは、標的対象と少なくとも１つの共通の特性（例えば、年齢範囲、体重範囲、身長範囲、性別、同様の又は異なる生物学的特性、習慣、センサ測定値などを含み得る）を共有する１以上の異なる対象を特徴付け得る。上記例を使用すると、心拍数データがプレーヤＡに利用され得るが、システムは、所望のデータセットとの関連性に基づいて選択された、プレーヤＢ、Ｃ又はＤからの別の１以上のデータセットを利用し得る（例えば、プレーヤの一部又は全部が、プレーヤＡと同様の心拍数パターンを示し得る；プレーヤの一部又は全部が、プレーヤＡと同様の生体液導出の測定値を有している；一部又は全部が、プレーヤＡと非常に類似したプレースタイルを有している；プレーヤの一部又は全部が、９５度を超える温度でプレーされるテニスを特徴付ける、システムによって収集されたデータセットを有し得る）。これらの１以上のデータセットは、１以上のシミュレーション内で１以上の入力として機能し、所望の条件下でプレーヤＡの将来の生物学的測定値（例えば、心拍数）をより正確に生成し得る。
[0110] シミュレーションデータのさらに別の方法では、本質的に一般的な人工データセット（例えば、１以上の所望の生物学的特性の既定の選択を欠くデータセット）が作成される。一変形例では、１以上のランダム化データセットが作成され、１以上の変数が取得者ではなくシステムによって選択される。これは、例えば、保険会社がランダムなサンプル（例えば、システムによってランダムに選択され得る、定義された年齢又は病歴がない）中から特定のデータセット（例えば、１，０００，０００人の喫煙者）を探している場合、又は、賭博会社が、存在しなかったイベント（例えば、ビデオゲームシミュレーション結果を中心としたプロップベット）のために１以上の新規な市場（例えば、プロップベット）を作成しようとしている場合、に特に有用である。詳細には、システムの所定のユーザによって選択された既定の数の個体に基づいて１以上の人工データセットが作成される。さらに詳細には、システムによってランダムに選択された既定の数の個体から１以上の人工データセットが作成される。
[0111] 詳細には、関連の動物データからの１以上の特性に基づいて人工データに１以上のタグが割り当てられる。特性には、動物データの１以上のソース、動物データが導出される１以上の個体又は個体のグループの特定の個体属性（例えば、名前、体重、身長、対応の識別番号又は参照番号）、使用されるセンサのタイプ、センサ特性、分類、特定のセンサ構成、場所、アクティビティ、データ形式、データのタイプ、使用されるアルゴリズム、データの品質、データが収集された日時、関連組織、関連イベント（例えば、シミュレーション、現実世界）、待ち時間情報（例えば、データが提供される速度）などを含み得る。シミュレーションデータが導出される動物データに関する任意の単一の特性（例えば、データ、１以上のセンサ及び１以上の標的個体に関する任意の特性を含む）が１以上のタグを割り当てられ得る又は関連付けられ得ることを理解されたい。特徴的に、動物データに関連付けられた１以上のタグは、人工データの関連付けられた値の作成又は調整に寄与し得る。詳細には、１以上のニューラルネットワークが訓練されて、１以上のタイプのシミュレーションデータ及びシミュレーションデータセットに１以上のタグを割り当て得る。
[0112] さらに詳細では、シミュレーションデータは１以上の分類に割り当てられ得る。分類（例えば、グループを含む）は、データ取得者の検索プロセスを簡素化するために（例えば、１以上の検索可能なタグとして）作成され得、かつ、データ収集プロセス、慣行、品質又は関連付け、並びに、標的個体及びシミュレーション標的個体特性に基づき得る。分類はデータのための識別子であり得る。例えば、１以上の分類が、（「シミュレーションＥＣＧデータ」、「標的個体ＺのシミュレーションＥＣＧデータ」、「２５～３４歳の男性のシミュレーションＥＣＧデータ」、「センサＣからのシミュレーションＥＣＧデータ」、「ｎ回のシミュレーションからのシミュレーションＥＣＧデータ」、「チームＹの標的個体からのシミュレーションＥＣＧデータ」、「試合ＸからのシミュレーションＥＣＧデータ」、「試合ＸのチームＹの標的個体からのシミュレーションＥＣＧデータ」などを含む１以上の分類を用いて）ＥＣＧデータから導出された及び／又はＥＣＧデータを表す人工データセットに割り当てられ得る。別の分類は、特定の設定で特定のデータ収集方法に従って特定のセンサからのＥＣＧデータを表す人工データセットに割り当てられ得る。別の例では、分類は、以前に脳卒中を経験した標的個体を表すデータセットに対して、又は、少なくとも部分的に現実世界の標的個体に基づくシミュレーション標的個体を表すシミュレーションデータセットに対して、作成され得る。分類又はタグの例には、メトリック分類（例えば、心拍数、水分補給などの数値を割り当て可能な１以上のセンサによって捕捉されたシミュレーション対象の特性）、シミュレーション標的個体の個人分類（例えば、年齢、体重、身長、病歴）、シミュレーション標的個体の洞察分類（例えば、「ストレス」、「エネルギーレベル」、１以上の結果が発生する可能性を示すスコア）、センサ分類（例えば、センサタイプ、センサブランド、サンプリングレート、その他のセンサ設定）、シミュレーションデータ特性の分類（例えば、生データ又は処理データ）、シミュレーションデータ品質の分類（例えば、定義された基準に基づく良好なデータ及び不良なデータ）、シミュレーションデータの適時性の分類（例えば、数ミリ以内秒対数時間以内にデータを提供する）、シミュレーションデータコンテキストの分類（例えば、ＮＢＡファイナルゲーム対ＮＢＡプレシーズンゲーム）、シミュレーションデータ範囲の分類（例えば、０．２～１．２ｍｇ／ｄＬのビリルビンレベルなどのデータの範囲を提供する）、シミュレーションシステムに関連付けられた分類（例えば、１以上のニューラルネットワークによって訓練されたデータセットの数、シミュレーションデータを生成するために利用されるニューラルネットワークのタイプ）などが含まれる。一変形例では、人工データが表すものに基づいて１以上の分類が割り当てられ得、この分類には、１以上の組織、センサタイプ、センサパラメータ、データタイプ、データ品質、タイムスタンプ、場所、アクティビティ、標的個体、標的個体のグルーピング、データ測定値などが含まれる。特徴的に、動物データ及び／又はシミュレーションシステムに関連付けられた１以上の分類は、人工データに関連付けられた値を作成又は調整することに寄与し得る。詳細には、１以上のニューラルネットワークが訓練されて、１以上の分類を１以上のシミュレーションデータセットに割り当て得る。
[0113] 一変形例では、シミュレーションデータの一部の分類は他の分類よりも大きな価値を有し得る。例えば、２５～３４歳の人々からのシミュレーション心拍数データは、２５～３４歳の人々からのシミュレーショングルコースデータよりも小さな価値を有し得る。価値の相違は様々な理由に起因し得、理由には、１以上のシミュレーションで使用されるデータタイプの不足（例えば、平均して、実際のグルコースデータは、実際の心拍数データよりも収集が難しく、及びしたがって、容易に入手可能又は収集可能ではない）、１以上のシミュレーションで使用されるべき任意の所定のセンサからくる実際のデータの品質（例えば、あるセンサが別のセンサよりも優れた品質のデータを提供し得る）、任意の他の所定の個体と比較された、実際のデータの元となる個体又は複数の個体（例えば、ある個体のデータは、本質的に生物学的である場合とそうでない場合があるその個体の１以上の固有の特性に基づいて、別の個体のデータよりも価値があり得る）、実際のデータのタイプ（例えば、ＡＦＥデータが、表面筋電図データを含む追加の非ＥＣＧ洞察が導出される機会を提供可能であることを考慮すると、センサＸからの特定の生物学的特性を有する個体のグループからのＥＣＧデータを導出可能な生のＡＦＥデータは、同じセンサＸからの同じ生物学的特性を有する同じグループの個体からの導出されたＥＣＧデータのみよりも高い価値を有し得る）、データに関する導出されたユースケース（例えば、グルコースデータは、水分補給情報を導出するためにも使用可能であり、水分補給情報は、心拍数ベースのデータよりも収集が難しいデータタイプであるので、より価値が高い。）、データの量又は容量（例えば、４５～５４歳の１００人からの１年間の毎日の心拍数データは、４５～５４歳の同じ１００人からの１か月間の毎日の心拍数データよりも高い価値を有し得る。）、データが収集されたコンテキスト（例えば、トレーニングセッションと比較した最高のスポーツ競技の標的個体から収集された呼吸速度データ、又は、標的個体が呼吸器関連の病気を有しないときに対する、生命を脅かす感染性呼吸器疾患の標的個体から収集された呼吸速度データ）などが含まれる。
[0114] さらなる詳細では、１以上の分類は、シミュレーションシステムによって作成され、割り当てられ、修正され及び／又は強化される１以上の対応の価値を有している。１以上の分類が、既定の価値、進化する価値若しくは動的な価値又はそれらの組み合わせを有し得ることが理解されるべきである。例えば、所定のタイプのシミュレーションデータに関する分類は、より関連性の高いデータがシミュレーションシステムに追加されるにつれて、分類内のより多くのデータが利用可能になるにつれて、又は、１以上の特定の分類に関連付けられたデータセットからのシミュレーションデータに対する需要が増加するにつれて、価値を増大させ得る。逆に、シミュレーションデータの値は、データが作成されたときから時間が経過するにつれて（例えば、結果に関する予測指標を作成するためのシミュレーションデータの値は、結果が既に発生した後ではなく、結果が発生する前に大幅に高い価値を有し得る）、データの関連性が低くなってから（例えば、より正確で明確な情報を捕捉する新規なセンサが利用可能であるので）、又は、その特定の分類からのデータに対する需要が減少するにつれて、その価値が減少し得る。ユースケースに応じて、同じ分類に関して複数の値が作成され、割り当てられ、修正され及び／又は強化され得る（例えば、スポーツベッティングの場合、１つの市場での分類は、別の市場での同じ分類よりも多かれ少なかれ価値を有し得る）。さらに詳細では、１以上の分類が動的に変化し、１以上の要件又はシステムへの新規な情報又はソースの入力に基づいて１以上の新規なカテゴリが作成又は修正され得る。例えば、新規なタイプのセンサが開発され、センサに新規な設定及び機能を提供する新規なファームウェアでセンサが更新され、又は、１以上の新規なデータタイプ（例えば、生体液由来のデータタイプ）がシステムに導入され得る。詳細には、１以上のニューラルネットワークが訓練されて、１以上のシミュレーションデータセットを含む１以上の動物データセットに１以上の金銭ベース及び非金銭ベースの価値を作成、割り当て、修正及び／又は強化し得る。さらに詳細には、１以上の人工知能技術（例えば、機械学習、ディープラーニング技術）が利用されて、１以上の分類及び／又は値を１以上のデータセットに動的に割り当て得る。
[0115] シミュレーションデータを生成するためのシステム、及び、動物データの少なくとも一部を利用して１以上のシミュレーションを実行するためのシステムは様々な業界に適用される。例えば、パーソナライズされた／グループのフィットネスクラス（例えば、サイクリング、クロスフィット、遠隔ホームフィットネスプラットフォーム）を含む現実世界のフィットネス又はウェルネスシステムに関連して、シミュレーションデータが利用されて、リアルタイム又はほぼリアルタイムの生物学的状態に関して１以上のユーザに知らせ得（例えば、現在又は予測される「エネルギーレベル」などの物理的状態）、及び、１以上のアクションに基づいて発生し得る将来の結果への洞察を提供し得る（例えば、現在の動物データの測定値、過去の動物データ及び時速ｐマイルで走る現在のアクティビティに基づいて、標的フィットネス個体Ｘはｎ分ｓ秒で所望のエネルギー消費量に達すると予測される）。さらに、シミュレーションシステムが利用されてフィットネス／ウェルネスクラスをゲーム化し、生物学的データをシミュレーションゲームに統合可能にするだけでなく、シミュレーションデータをゲーム内で利用可能にし得る。一例では、１以上のユーザは、１以上のセンサを利用して、シミュレーションシステムに動物データ（例えば、心拍数データ）の少なくとも一部を提供して、クラス内の他のユーザと比較して競争上の優位性又は他の対価を得うる（例えば、シミュレーションに入力される形式にセンサデータが変換される、シミュレーションに参加するユーザと共にシミュレーションが行われる、シミュレーションに組み込まれる動物データは、より多くの休憩期間、シミュレーション内の生理学ベースの成功メトリクスに基づく無料クラス、又は、クラスで発揮される最大「エネルギー」に基づく景品などのような利益（例えば、金銭的又は非金銭的価値）を得ることを可能にする。）。有利には、動物データの少なくとも一部はシミュレーションデータである。シミュレーションメトリクスを含み得る比較生物学的メトリクスは、任意の所定のクラスで誰が最高のパフォーマンスを示しているかを判定するために、ユーザごとに視覚的に表示され得る。別の例では、フィットネスマシンの１以上のハードウェアコンポーネント（例えば、トレッドミル、サイクリングマシン）又はフィットネスディスプレイ（例えば、テレビ又はインタラクティブミラーなどのフィットネスコンテンツを表示するコンピューティングデバイス）が、すべてのセンサデータを単一の用途に集約する対象の１以上のセンサと通信し、そこから１以上のシミュレーションが実行されて、対象の現在及び将来の生物学的状態に関する情報を伝達するシミュレーションデータを生成し、動物データに関する１以上の予測又は確率を生成し得る。別の例では、フィットネスコンテンツをストリーミングする統合ディスプレイ又はインタラクティブコンピューティングデバイスを有するフィットネスマシンが、生体センサデータを収集し、かつ、ワークアウトの前に、シミュレーションデータから導出された１以上の生物学的洞察（例えば、「現在の生物学的測定値、以前に収集された動物データ、及び、所定のワークアウトの予測される期間及び強度に基づいて予測された「疲労」レベル又は予想されるカロリー消費量）をその１以上のユーザに提供し得る。詳細には、フィットネスインストラクタ（例えば、実際の、仮想ＡＩベースの）又は「スマート」フィットネス機器（例えば、１以上のコンピューティングデバイスを有する機器、又は、カスタマイズされたＡＩ生成のフィットネスコンテンツを特徴付けるディスプレイを有するコンピューティングデバイス）が、収集された動物データから導出されたシミュレーションデータに基づいてワークアウトを調整し得る１以上のアクションを実行し得る（例えば、インストラクタ又は「スマート」機器が、現在のパラメータ及び予測される出力に基づいて標的対象が、ワークアウトの最後に十分なエネルギーを発揮しないと予測する場合、又は、心拍数又はパフォーマンスゾーンなどの派生物などの対象のデータから導出されたシミュレーションデータに基づいて標的対象がワークアウトの終了までに過度のエネルギーを発揮するペースにあると予測する場合、インストラクタ又は「スマート」機器は、ユーザのためのワークアウトの難易度を増加又は低減させるために難易度又は速度を調整し得る）。１以上のアクションは、１以上の人工知能技術を介して導出され、作成され、修正され又は調整され得る。詳細には、１以上のユーザが、第三者がそれらの動物データ又はその１以上の派生物（例えば、それらの動物データの少なくとも一部を利用するシミュレーション動物データを含む）にアクセスすることを可能にするための対価（例えば、お金、暗号通貨、ギフトカード、無料の分析、無料のクラス）を受け取り得る。ユーザは、ワークアウトの前、最中又は後にオプトイン又はオプトアウトする能力を有し得る。
[0116] 詳細には、ユーザを関与させるための１以上のシミュレーションシステム（例えば、仮想／シミュレーションイベント、ビデオゲーム、シミュレータ）のための人工動物データが作成される。一変形例では、コンピュータソフトウェアは、レース、コンテスト、研究などを含むイベント又は出来事を最後までやり通す。先端アルゴリズムは通常、結果を判定するために乱数ジェネレータを使用する。詳細には、ニューラルネットワーク又は複数のニューラルネットワークが利用されて結果を判定し得る。場合によっては、参加者のスキル及び参加者の状態、及び、現実世界のイベント（例えば、スポーツイベント）に固有の運要素を考慮する。人工動物データは、実際の動物データに少なくとも部分的に基づいて１以上のシミュレーションを実行することによって作成され得る。別の変形例では、コンピュータソフトウェアは、シミュレーションシステム内の実際の動物データの少なくとも一部から導出されたデータを利用して、シミュレーションへの直接的又は間接的な形態のユーザ関与（例えば、参加）を可能にする。１以上のシミュレーションシステムは、ゲームベースのシミュレーションシステム（例えば、スポーツをすることなどのイベントをシミュレーションし、かつ、ユーザ又はマルチユーザの参加を可能にするビデオゲームシステム；仮想競馬への賭けなどの仮想イベントにユーザが１以上の賭けをすることを可能にするスポーツ賭博シミュレータ；購入可能なシミュレーションデータベースの仮想製品などの、シミュレーション内でシミュレーションデータ関連製品を取得可能なビデオゲームシステム）、シミュレータ及びその他のシステム（例えば、軍事シミュレータ、仮想現実システム、及び、拡張現実システム、複合現実システム、エクステンデッドリアリティシステムなどを利用する医療シミュレータなど）を含み得る。詳細には、ゲームベースのシステムは、仮想現実システム、拡張現実システム、複合現実システム又はエクステンデッドリアリティシステム（例えば、仮想現実システムを利用するゲームベースの軍事シミュレータ）のうちの少なくとも１つを介して１人以上のユーザを関与させる。１以上のユーザが、従来のビデオゲームコンソール、パーソナルコンピュータ、携帯電話、タブレット、端末、仮想現実システム、拡張現実システムなどを含む様々なコンピューティングデバイスを利用してシミュレーションに関与し得る。ユーザがシミュレーションシステムに関与する環境には、従来のビデオゲーム環境（例えば、ＰＣゲーム、携帯型ゲーム、モバイルゲーム、オンラインコンソールゲーム、Ｗｅｂブラウザベースのゲームを含むオンラインゲーム）、仮想現実システム、拡張現実システム、複合現実システム、エクステンデッドリアリティシステムなどが含まれ得る。ユーザを関与させるシミュレーションシステムは、シミュレーションシステムに関連付けられた１以上のハードウェアコンポーネント（例えば、ゲームコントローラ、ゲームキーボード、ゲームヘッドセット）、及び、シミュレーションシステムに関連付けられたハードウェア内に埋め込まれた１以上の生体センサ（例えば、ゲームコントローラ、ゲームヘッドセット、ゲームキーボード、シートセンサ、カメラセンサ、その他のゲームセンサ）を有し得る、又は、シミュレーションシステムと通信してシミュレーションの一部として統合される１以上のユーザからの１以上のセンサ（例えば、スマートウォッチ又は生体データを捕捉するオンボディセンサ）を利用し得る。例としては、シミュレーションゲームコントローラ内に配置された手及び指の圧力センサ（例えば、コントローラがどれだけしっかりと保持されているかを確認する）、シミュレーションゲームに参加しているプレーヤの心拍数をモニタリングするＥＣＧ／心拍数センサ、シミュレーションゲームの一部として利用されるヘッドセット内に配置されたＥＥＧセンサ、シミュレーションゲームに参加しているプレーヤの座席又はコントローラ内に埋め込まれるモーションセンサ、シミュレーションゲームの一部としてのペダルの運動に基づいて出力又はワット数を測定するための自転車内に埋め込まれるセンサ、及び、シミュレーションゲームに参加しているプレーヤの反応時間を測定するセンサが含まれる。有利には、１以上のセンサとシミュレーション（例えば、ビデオゲーム）との間の直接通信がＷｅｂブラウザを介して行われ得る。Ｗｅｂブラウザを介してセンサと直接通信することができるシステムに関する追加の詳細は、２０１９年２月１３日に出願された米国特許出願第１６／２７４，７０１号及び２０２０年２月１３日に出願された国際出願第ＰＣＴ／ＵＳ２０／１８０６３号に開示されており、その開示の全体は参照によって本明細書に組み込まれる。詳細には、シミュレーションシステムは、１以上のユーザから情報を収集する１以上のセンサの少なくとも一部から導出された１以上のシミュレーション測定値を統合及び表示し得る。例えば、グループフィットネスクラスの参加者は、動物データの少なくとも一部から導出された１以上のシミュレーション測定値がゲーム内に組み込まれた状態で、シミュレーションゲームで互いに競い合うことができる。別の例では、医療専門家は、拡張現実システムにおける患者のリアルタイムセンサデータの表示を見ることができ、リアルタイムセンサデータは、患者が１以上の処置を受けている間に医療イベントを経験するリアルタイムの確率を提供するシミュレーションデータを含み得る。一変形例では、シミュレーションシステムは、スキル又は複数のスキルを微調整するように１以上の医療専門家を訓練するために、シミュレーションデータ（例えば、医療専門家の場合、医療専門家自身の導出されたシミュレーションデータ、又は、１以上の仮想患者から導出されたシミュレーションデータ）を利用し得る。さらに別の例では、保険会社は、シミュレーションデータは、１以上の掛け金が作成され、修正され又は強化され得るユーザのセンサデータの少なくとも一部から導出されることを可能にするシミュレーションゲームに（例えば、シミュレーションデータに基づいてパーソナルリスクスコアなどの予測指標を提供するシミュレーション内の１以上のセンサを利用して）ユーザが参加することを可能にし得る。さらに別の例では、医療プラットフォーム（例えば、遠隔医療用途）は、患者の１以上のセンサ測定値から導出されたシミュレーションデータを利用するシミュレーションシステムを使用して、仮想健康診断又は診察を可能にし、そこからシミュレーションからの結果が生じ得る（例えば、患者は、動物データの少なくとも一部から生成されたシミュレーションデータに基づいてスコア又は他の指標を受け取り得る）。特徴的に、１以上のシミュレーション測定値は、１以上の入力として１以上の非動物データ測定値を含み得る。さらに詳細には、ビデオゲーム又はゲームベースシステムは、ユーザによって提供される実際のセンサデータ又はその１以上の派生物の少なくとも一部に基づいて、ゲーム内のキャラクタ又は対象について１以上の新規なデータタイプを作成し得る。例えば、シミュレーションゲームは、捕捉された現実世界のセンサデータ、又は、現実世界の対象の疲労レベル、心拍数、反応時間、コントローラ圧力などの動物データの少なくとも一部から導出された洞察に基づいて、ゲーム内の対象の新規なインデックスを作成し得る。ゲーム内で利用されるシミュレーションデータは、シミュレーションに入力されるべき形式に変換された動物データ、又は、実際のセンサデータの少なくとも一部又はその１以上の派生物を利用して人工データを作成する１以上のシミュレーションを実行することによって生成された動物データであり得る。シミュレーションシステム（例えば、ビデオゲーム又はゲームベースシステム）に１以上の測定値を提供すること及び人工データを生成することはすべてリアルタイム又はほぼリアルタイムで行い得る。
[0117] 一変形例では、１以上のシミュレーションから導出され得る、及び／又は、動物データの少なくとも一部に基づいて人工的に作成され得るシミュレーションシステムベースのデータは、シミュレーションの一部（例えば、ゲーム）として特徴付けられる１以上のキャラクタ（例えば、動物）に関連させられ得る又は関連付けられ得る。キャラクタは、実生活に存在する動物に基づき得（例えば、現実世界のプロサッカー選手は、サッカービデオゲームでその特定のプロサッカー選手を描写するキャラクタを有し得る）、又は、人工的に作成され得、１以上の実際の動物の１以上の特性に基づき得る又１以上の特性を共有し得る（例えば、ゲーム内のシミュレーションサッカープレーヤは、ジャージ番号、ジャージの色、又は、人間のサッカープレーヤとして認識可能な生物学的特徴を共有し得る）。システムは、ゲームベースのシステム（例えば、ビデオゲームシステム）のユーザが、ゲーム内の実際のデータの少なくとも一部を利用する人工データを購入することを可能にし得る。詳細には、ゲーム内で購入された動物データは、少なくとも部分的に実際の動物データに基づき得、かつ、１以上のシミュレーションを介して生成され得る人工動物データであり得、又は、シミュレーション（例えば、ゲーム）に入力可能な形式の変換された動物データであり得る。このデータは、例えば、ゲーム内での出来事の指標として利用され得る。例えば、ゲームをプレーするユーザは、アスリートの「現実世界データ」を利用するゲーム内で現実世界のアスリートのシミュレーションバージョンと対戦することが可能であり得、「現実世界データ」は、シミュレーションに入力可能な形式に変換されたアスリートの現実世界の生物学的データ又はその１以上の派生物の数を含み得る。これは、例えば、時間の経過とともに収集された現実世界のアスリートの「エネルギーレベル」データがゲームに統合されていることを意味し得る。ある特定の例では、ビデオゲーム内の試合が長くなるにつれて又はビデオゲーム内でシミュレーションアスリートが距離を走るにつれて、ビデオゲーム内の彼らの「エネルギーレベル」が、実際のアスリートの収集された実際のデータに基づいて調整されて影響を受け得る。現実世界のデータは、任意の所定の試合の距離走行又は長さに基づいてアスリートの疲労範囲を示し得る。その後、この情報は、シミュレーションシステムによって利用されてゲーム内の「エネルギーレベル」を調整し得る。このデータは、例えば、ゲーム内で利点を得るために利用され得る。スポーツビデオゲームに関連して、ゲーム内で購入され得る動物データのタイプには、より速く走る、より高くジャンプする、より長いエネルギー寿命を有する、より遠くにボールを打つなどの能力が含まれ得る。図１０は、ビデオゲームの一例を示しており、ユーザは、実際の動物データに部分的に基づいて動物データの派生物（例えば、「エネルギーレベル」などの人工的に生成された動物データ）を購入して、ビデオゲームのユーザに利点（例えば、ゲームに勝つ可能性を高くするエネルギーレベルの増加）を提供し得る。別の例では、動物データから導出され、かつ、動物データと少なくとも１つの特性を共有するゲーム内人工データは、ゲーム内の１以上の対象に、１以上のシミュレーションから導出され得る１以上の特別な力を提供し得る。さらに詳細には、ユーザは、シミュレーションに入力されてシミュレーションに組み込まれることが可能な形式に変換された現実世界の動物データを購入することが可能であり得る。
[0118] 詳細には、シミュレーションシステムは、実際の動物データ（例えば、生理学的データ）の少なくとも一部を、ゲーム内で利用される１以上の洞察、計算された資産又は予測指標を表す人工データに変換する。洞察、計算された資産又は予測指標は、ゲームによる動物データの、シミュレーションに入力可能な形式に変換された人工データへの変換と、シミュレーション（例えば、ゲーム）が１以上のユーザに利点又は不利益を提供することを可能にする方法（例えば、現実世界のセンサデータを利用して人間などの動物の疲労をより正確に予測する、ファイトスポーツゲームで提供される「エネルギーバー」）におけるシミュレーションシステムのデータの解釈と、に基づいている。変換及び解釈を行うため、ゲームは１以上のシミュレーションを実行して、提供される適切な利点又は不利益を判定する。
[0119] さらに詳細には、実際の動物データの少なくとも一部を含む人工動物データが、人々が１以上の賭け（仮想賭けを含む）を行うための１以上の新規な市場（例えば、プロップベット／賭け事）を作成するために、又は、１以上の賭けに関する補足情報として提供される。例えば、１以上の賭けは生物学的データに基づき得（例えば、ライブのテニスの試合でのプレーヤＡの心拍数は、任意の所定の賭け事システム内で提案されるプロップベットであり得る、試合Ｘの第１セットで１８０ｂｐｍを超えているか）、及び、人工データは、１以上の実際の賭けの裏付け情報として利用され得る（例えば、１以上のシミュレーションが実行されて、ｎ回のシミュレーションにおける試合Ｘの第１セットでプレーヤＡの心拍数が１８０ｂｐｍを超える可能性を予測し得る）。別の例では、賭けが、ライブの現実世界の試合において「プレーヤＡがプレーヤＢとの対戦試合で勝つか」である場合、動物データの少なくとも一部を使用した１以上のシミュレーションが実行されて、１以上の結果に関する１以上の確率又は予測を作成し得る。一変形例では、人工データは、１以上の現実世界のイベントに賭けが行われる情報であり得る（例えば、ライブの試合Ｘの第１セットにおいてプレーヤＡの「エネルギーレベル」がｎ％未満に達するか）。別の変形例では、シミュレーションにおける１以上の賭けの裏付け情報として人工データが利用され得る（例えば、「シミュレーション試合でプレーヤＡがプレーヤＢとの対戦試合に勝つか」という賭けは、シミュレーション試合の結果に関する確率ベースの情報を提供するために生成された人工データによって支持され得る）。別の変形例では、人工データがシミュレーションにおける１以上の賭けであり得る（例えば、プレーヤＡのシミュレーション心拍数はシミュレーション試合Ｘの第１セットで１８０ｂｐｍを超える）。有利には、人工データに対する１以上の賭けは、１以上のシミュレーションシステム（例えば、仮想現実、複合現実など）内で発生し得る。１以上の賭けは、生物学的データ（例えば、仮想現実又は拡張現実システム内で表示されるライブのテニスの試合でのプレーヤＡの心拍数が試合Ｘの第１セットで１８０ｂｐｍを超え、これは、任意の所定の賭け事システム内で提案されるプロップベットであり得る）、又は、派生物（例えば、サッカービデオゲームで仮想対象のシミュレーション「エネルギーレベル」は前半に４０％を下回ることになり、シミュレーション「エネルギーレベル」は、実際のプレーヤ又は対象からの１以上のシミュレーションから生成された生体センサデータの少なくとも一部から導出される）に基づき得る。システムに直接提供される生体センサデータの少なくとも一部から生成されたシミュレーションデータが使用されて、任意の所定の結果の出来事の確率を理解し、かつ、１以上のシミュレーションを介して１以上の予測指標を提供し得る。例えば、賭け手は、実際の試合又はシミュレーションゲーム（例えば、ビデオゲーム）内の試合の最後の１０分間に、プレーヤＡのシミュレーション「エネルギーレベル」を購入して、プレーヤＡが試合に勝つかどうかを判定する機会を有し得、１以上のシミュレーションが実行され、１以上の人工知能技術が、データのパターンを認識して（例えば、機械学習技術）、結果を予測するために利用される。生体センサデータの少なくとも一部から生成された人工データが使用されて、特定の賭けの結果（例えば、ゲーム内の１以上のユーザに利点又は不利益を提供することによって）又はシミュレーションゲーム内での出来事に影響を与え得る。例えば、賭け手は、ビデオゲーム内の仮想プレーヤＡのためにより多くの仮想「エネルギー」を購入して、プレーヤＡがシミュレーションゲームに勝つ可能性を高め得る。
[0120] 詳細には、シミュレーションデータは、シミュレーションシステム（例えば、仮想現実システム、エクステンデッドリアリティシステム）内、及び、システム内のシミュレーションの一部内で使用され得る。例えば、医療に関連して、仮想現実（「ＶＲ」）システムが利用されて実生活の医療処置を再現し得る。より具体的には、ＶＲシステムなどのシミュレーションシステムは、実践、評価、学習、テストを含む様々なユースケースのための、又は、生物学的システム、プロセス又は人間のアクションを理解するための、実際の医療シナリオの表現を提供し得る。これに関連して、（例えば、シミュレーションＥＣＧ、呼吸数又は生体液データを含み得る、仮想現実システム内の患者の１以上の生物学的測定値又はバイタルを表すために）シミュレーション動物データがシステムによって生成されて組み込まれ得、シミュレーション動物データは、システムのユーザの１以上のアクションに基づいて変更又は修正され得る（例えば、医師が仮想患者に薬の注射を提供し、仮想患者の心拍数の測定値などの１以上の生物学的測定値が変化する）。しかしながら、シミュレーションデータが組み込まれて、ユーザによって導出された生物学的データを表し得る（例えば、ユーザの動物データを、シミュレーションに入力されてユーザのセンサデータ測定値を表示可能な形式に変換する。例えば、このシナリオにおいてユーザ／医師は、仮想現実システム内で手術を実行し、手術中に１以上の医師が保持しているオブジェクトに統合可能な１以上のセンサなどから導出された頭の動き又は手の震えなどの異常な生体力学的な動きに基づいて、医師の「ストレス」、「神経質」などの指標を表示する）。別のＶＲの例では、シミュレーションデータが組み込まれて将来の結果を明示し得る。例えば、医療シミュレータ内のユーザ（例えば、医師）は、システム内で実行された任意の所定のアクション又は潜在的なアクションに基づく１以上の現実世界の対象からの実際の動物データに少なくとも部分的に基づいている自分の動物データ又は仮想対象（例えば、患者）の動物データから導出された予測動物データ関連の結果を有し得る。場合によっては、ＶＲシステムなどのシステムには、シミュレーションシステムを操作するライブオペレータが含まれ得、そこから仮想現実システム内のシナリオが変更又は修正され得る。そのような場合、シミュレーションシステム内で利用されるシミュレーション動物データは、１以上のオペレータによって行われた変更又は修正に基づいて変更又は修正され得る。詳細には、シミュレーションシステム内の１以上のオペレータは、建設的シミュレーションの場合のようなシミュレーションオペレータであり得る。
[0121] 別の変形例では、動物データが利用されて、シミュレーション（例えば、ゲーム）システム内で結果に影響を与え得る又は競争上の優位性を獲得し得る。この変形例では、システムは、シミュレーションシステム（例えば、ビデオゲームをプレーすること）に関与するユーザ及び彼らの動物データ（例えば、生理学的データ）をゲーム自体に統合する。より具体的には、ゲームシステムが１以上の現実世界の人々の１以上の特性を共有する現実世界の人々又はキャラクタを利用する場合、システムは、実際の動物データに部分的に基づいて、その人の現実世界の動物データ又は人工データのうちの少なくとも一部を利用し、プレーされた任意のシミュレーションゲーム（例えば、スポーツビデオゲーム、オンライン仮想世界ゲーム、グループフィットネスコンペティション）のゲーム内での購入、獲得又は達成を通じて結果に影響を与える又は結果に影響を与える機能を提供し得る。例えば、ユーザが同様のゲームをプレーしている他のユーザと比較して、又は、ユーザのベースラインの生物学的測定値と比較して、現実世界の生物学的測定値が高い場合（例えば、ストレスレベル又は高い心拍数を有する）、ゲーム内の１以上の仮想対象も、同様のデータ関連の応答（例えば、高ストレスレベル、高い心拍数）を経験し得、これは、ユーザ及び／又はゲーム内の１以上の対象に利点、不利益又は他の兆候を提供し得る。有利には、これはリアルタイム又はほぼリアルタイムで発生し得る。利点、不利益又はその他の兆候は、即時であり得及び／又は特定の期間であり得る。ゲームに応じて、利点には、ボーナスポイント、追加の強度、利用されているフィットネス機器の抵抗のより簡単なレベルのへのアクセス（例えば、他の対象と競争しているサイクリングクラスにおける）などが含まれ得る。ゲーム内の不利益には、ポイントの喪失、エネルギーレベルの低下、対象者が利用しているフィットネス機器に適用される抵抗の増加（例えば、他の対象と競争しているサイクリングクラスにおける、自転車のペダル）などが含まれ得る。同様に、ユーザの様々な生物学ベースの動物データ測定値の表示には、ゲーム内のユーザの様々な生物学ベースの動物データ測定値を提供する表示可能なポータルが含まれ得る。ユースケースには、飛行シミュレーション、軍事シミュレータ、医療シミュレータ、金融市場に関する任意の所定の状況でトレーダがどのように反応するかを監視する高頻度取引シミュレーションプログラム、スポーツビデオゲーム、フィットネスクラス、ウェルネスシミュレータ（行動ヘルスを含む）などが含まれ得る。一例として、ユーザがＷｅｂブラウザベースのシューティングゲームをプレーしている場合、実際のストレス又は心拍数の上昇を明示することによって、ゲーム内のシュータズームレンズの安定性を低下させ得る。別の例では、外科医が手術を行っている仮想体は、外科医の心拍数、ストレスレベル又は生体力学的動き（例えば、手）が外科医に異常を示している場合（例えば、外科医はストレスを感じている、又は、外科医は手が不安定である）、指標（例えば、ある色から別の色に変わる）を提供し得る。他方で、ピーク生物学的アクティビティ（例えば、安定した手及び安定した心拍数）を示すことは、ゲーム内のユーザ及びそれらの対応の仮想キャラクタ又は対象（例えば、シュータ）にゲーム内で利点を提供し得る。これらの生物学的データベースの動物測定値（例えば、リアルタイムの心拍数）は、１以上の対戦相手又はサードパーティによって表示され得、その上で、対戦相手を不利な立場に置く（例えば、対戦相手のリアルタイムの心拍数を上昇させ、かつ、ゲーム内で何らかの方法で対戦相手を弱体化させる）ための戦術が作成され得、フィードバックが提供され得、報酬又は他の対価（例えば、金銭的）が与えられ得る。１つの詳細では、コントローラ内にセンサが埋め込まれたコントローラ、又は、コントローラベースではない動物データセンサ（例えば、スマートウォッチ、オンボディセンサ又は埋め込みセンサ）がゲーム自体と通信する。さらに詳細には、センサとシステムとの間の通信はＷｅｂブラウザを介して行われる。別の詳細では、シミュレーションデータは、ビデオゲーム又はゲームベースのシステムによって収集されたセンサデータの少なくとも一部に基づいて購入され得る。前述したように、このデータは、例えば、ゲーム内で利点を獲得するために利用され得る。スポーツビデオゲームに関連して、ゲーム内で購入され得る実際のセンサデータに基づく人工データのタイプには、ゲームに勝つ可能性をより高め得る、より速く走る、より高く飛ぶ、より長いエネルギー寿命を有する、より遠くにボールを打つための能力又はエネルギーレベルの増加が含まれ得る。提供されるシミュレーション生物学的データのタイプはまた、ゲーム内の１以上の対象に対する１以上の特別な力を含み得、１以上の特別な力は、生物学的データに対する少なくとも１つの関連の特性を利用し、これは、１以上のシミュレーションから導出され得る、若しくは、１以上の統計モデル又は人工知能技術から生成され得る。ゲーム内のシミュレーションデータの更新は、シミュレーションシステムによってデータが収集されるときに、リアルタイム又はほぼリアルタイムで提供又は導出され得る。この変形例では、上記方法によって生成された刺激動物データがシミュレーションシステムに提供され得る。
[0122] 一変形例では、標的対象の生物学的データから導出されたシミュレーションデータがシミュレーション内で利用されて、１以上の他のデータタイプを変更、修正又は強化して１以上の対象に通知し得る。例えば、健康シミュレータでは、システムは、標的対象から導出されたシミュレーションデータを利用して、任意の所定のアクティビティの将来の生物学的測定値を予測し、そこから他のデータ（例えば、標的対象の視覚的表現）が作成、修正又は強化され得る。導出されたシミュレーションデータは、運動計画、栄養計画などの入力、標的対象の動物データ（標的対象によって利用される１以上の生体センサを介して収集されたデータセットを含む）、並びに、対象の身体を含み得る標的対象の現在及び／又は変更された視覚的表現（例えば、標的対象によって調整可能であり得るアバター又は他の視覚的表現を介した対象の「標的」の将来の身体の変更されたレンダリング）を含み得る。１以上のシミュレーションの出力は、生成されたシミュレーション動物データの少なくとも一部又はその１以上の派生物に基づく最適な運動、栄養及び毎日のライフスタイル計画（例えば、一晩の睡眠時間、社会的習慣などを含む）、対象の身体を含み得る標的対象の変更された視覚的表現（例えば、シミュレーションデータの少なくとも一部を使用する特定の運動及び食事療法計画に従ったｎ日後のアバター又は他の視覚的表現を介した対象の将来の身体の変更されたレンダリング）などを含み得る。
[0123] 別の変形例では、シミュレーション（例えば、ビデオゲーム又はゲームベースのシステム）の１以上のユーザは、ゲームの一部として自身の動物データを含み得、かつ、（１）他の現実世界の対象（例えば、プロスポーツアスリート、フィットネスインストラクタ、フィットネスチャレンジなどの他の消費者と自身との比較を検討している消費者、ゲーマなど）、又は、（２）少なくとも１つの特性を１以上の対象と共有し得る視覚的参加者（例えば、アバター）と競争し得る。システムは、１以上のシミュレーションを実行して、現実世界の動物データを、シミュレーションゲームで使用されるべきシミュレーションデータに変換し得、及び／又は、動物データを、シミュレーションシステムに入力可能な形式に変換し得る。例えば、ユーザは、１以上のユーザ及びアスリートＸの両方からの実際の動物データの少なくとも一部に基づいてシミュレーション動物データを含むシミュレーションゲーム（例えば、仮想現実ゲーム）内でアスリートＸと直接対決のテニスの試合に参加したい場合がある。ユーザ及びアスリートＸの両方が、システムに様々な生物学的データ（例えば、ＥＣＧ、心拍数、ラケットスイングデータなどの生体力学的データ、位置データ）を伝送する１以上のセンサを利用し得、生物学的データは、１以上の追加の測定値（例えば、ストレスレベル、スイング速度）にさらに計算され、ゲームベースのメトリック（例えば、「エネルギーレベル」バー、「スイングパワー」バー）に変換され、又は、１以上のシミュレーションに組み込まれてシミュレーションデータ出力を生成する。詳細には、ゲームに参加又はゲームを視聴している１以上のシミュレーションゲームユーザ又は観客は、ゲーム／競争に基づいて賭け事を行い（例えば、ゲームシステム内でアスリートＸと対戦する試合で）、１以上の製品を作成又は修正し、イベントの結果の出来事の確率又はオッズを判定し、イベントについて以前に判定された確率又はオッズを修正し、又は、戦略を策定し得る。動物データの少なくとも一部を提供することと引き換えに、ゲーム又は競争の１以上の参加者（例えば、アスリートＸ及び／又は１以上のゲームプレーヤ）は、賭けた賭け金から対価の一部を（例えば、勝ちの賭けから）、若しくは、直接的又は間接的にそれらのデータを利用する競争内で行われた購入物を受領し得る。例えば、スターテニスプレーヤは、ゲームユーザがそのスターテニスプレーヤの仮想表現として又はそれと対戦することができるように、自身の生物学的データをビデオゲームシミュレーションに提供し得る。この状況では、ユーザは、データ又はその派生物（例えば、実際の動物データの少なくとも一部に基づいて生成された人工データ）にアクセスするために、シミュレーションオペレータ（例えば、ビデオゲーム会社）に料金を支払い得、その一部はスターテニスプレーヤに贈られ得る。代替として、シミュレーションオペレータは、シミュレーションゲーム内でのデータの使用について、アスリートに、ライセンス料を支払い得る又は他の対価（例えば、ゲームの売上又は販売されたデータ関連製品の割合）を提供し得る。別の例では、シミュレーションオペレータは、１以上の賭け／賭け事をゲーム自体に（例えば、ユーザとスターテニスプレーヤとの間で）する、又は、ゲーム内でプロップベット（例えば、ゲーム内の様々な態様に基づくマイクロベット）をすることを可能にする。詳細には、１以上のプロップベットは、動物データの少なくとも一部及び／又はその１以上の派生物（シミュレーションデータを含む）に基づいている。この状況では、ユーザ及び／又はスターテニスプレーヤは、賭けられた各賭け、賭けの総数、及び／又は、データの少なくとも一部に基づいて作成、提案及び／又は販売された１以上の製品から対価の一部を受領し得る。別の例では、フィットネスクラスでは、インストラクタは、インストラクタとユーザとの間で行われた賭けに対して報酬を受け取ることが可能であり得（例えば、１０分間で最も多くのマイルをペダリングできる人）、又は、ゲーマは、それらの生物学的データの少なくとも一部を組み込むプロップベットについての報酬を受け取り得る。詳細には、１以上のシミュレーションの一部として動物データの少なくとも一部を１以上のサードパーティに提供する１以上の対象は、彼らのデータへのアクセスを提供するための対価を受領し得る。
[0124] 詳細には、シミュレーションシステムは、ユーザ又はユーザのグループにとって望ましい１以上の特性を特徴とする１以上のシミュレーション対象（１以上の現実世界の対象を表し得る）についての人工データを作成する。その後、作成された人工データは、１以上の予測又は確率に基づいて、算出、計算、導出、抽出、外挿、シミュレーション、作成、修正、割り当て、強化、推定、評価、推測、確立、判定、変換、推論、観察、伝達又はアクションを実行するために利用可能な１以上の人工データセットを作成するため、１以上のさらなるシミュレーションで使用され得る（例えば、ベースラインの一部として）。例えば、医療提供者が、特定の特性（例えば、年齢、体重、身長、病歴、社会的習慣、特定の病状）を特徴とする標的患者に対する薬物の特定の投与量の有効性を判定したい場合、医療提供者は、標的患者に薬物が及ぼす影響を判断するために特定の投与量の薬物又は薬剤が提供された患者を含む、標的患者と１以上の共通の特性を共有する他の患者データを利用して１以上のシミュレーションを実行し得、医療提供者はまた、シミュレーションデータを利用して、１以上の他の潜在的な結果を評価する（例えば、薬物の投与が心臓発作につながる可能性、薬物が重度の吐き気を誘発する可能性など）。医療提供者が、十分な大きさのデータセットを有していない場合、又は、所望される特定の特性を有する対象への薬物の影響を判定するために１以上のシミュレーションを実行するために追加のデータを必要とする場合、医療提供者は、１以上のシミュレーションを実行することによって、又は、確率評価の一部として医療提供者が所望する１以上の変数（例えば、薬物の量）を有する標的患者の特定の特性を特徴とする本明細書に記載の他の方法によって、人工データセットを作成し得る。その後、医療提供者は、１以上のさらなるシミュレーションでベースラインの一部として１以上の人工データセットを利用して、発生する出来事の確率を判定し得る。詳細には、医療提供者は、実行されるシミュレーションごとに保険会社に請求し得（又はその逆もあり）、これにより、１以上の当事者に利益が提供される結果を生じ得る（例えば、１以上のシミュレーションが医療提供者に、出来事が発生する確率を提供し得る）。一変形例では、標的患者、保険提供者、医療提供者又はそれらの組み合わせは、入院治療を実施する前に１以上のシミュレーションを実施して、所定のアクションがとられる１以上の効果を判定することを選択し得、又は、医療提供者によって使用される方法が患者に適用され得る。
[0125] 詳細には、１以上の人工知能技術が利用されて、１以上の生体センサ出力を評価し、収集されたセンサデータ及び生成された人工データ値の両方に対して１以上のデータ品質評価を実行し得る。さらに詳細には、１以上のニューラルネットワークが訓練されて、１以上の生体センサ出力（例えば、信号、測定値）と、１以上のセンサ出力を生成するために利用されるアルゴリズムと、をテストするために利用可能な１以上のデータ値を生成し得る。
[0126] さらに詳細には、１以上の生体センサから生成された１以上の値（例えば、外れ値、欠測値）を検出及び置換するときに１以上の人工データ値が生成される。多くの場合、１以上のセンサが、サーバに提供される測定値（例えば、生のＡＦＥデータなどのアナログ導出測定値）を生成し、サーバは、データをフィルタリングして１以上の値（例えば、心拍数値）を生成する方法又は技術を適用する。しかしながら、データの信号対雑音比が非常に低い場合、又は、１以上の値が欠落しているとき、人工データ値を生成するためにプレフィルタロジックが必要とされ得る。一態様では、システムが、センサから生成されたデータを「修正」して、生成された１以上のデータ値が、クリーンであり、かつ、既定の範囲内に適合することを保証するプレフィルタ方法が提案される。プレフィルタロジックは、センサからデータを取り込み、外れ値又は「不良」値を検出し、これらの値を、期待値又は「良好」な人工値に置換し、かつ、「良好」な人工値を１以上の動物のデータ値（例えば、心拍数値）の計算として伝達する。「修正」という用語は、１以上の代替データ値（すなわち、「良好」な値）を作成して、事前に確立された閾値から外れ得る値を、生成された値の時系列に整列させて、事前に確立された閾値内に適合する１以上の「良好」なデータ値と置換する機能を指している。これらのステップは、受信した生物学的データに対して任意のロジックがアクションを実行して１以上の生物学的データ値（例えば、心拍数値）を算出する前に発生する。
[0127] 有利には、１以上のデータ値の識別及び置換のためのプレフィルタロジック及び方法論が、生の出力及び処理された出力の両方を含む、収集された任意のタイプのセンサデータに適用され得る。説明のため、アナログフロントエンド測定（ＡＦＥ）などの生データが表面筋電図（ｓＥＭＧ）信号などの他の波形に変換され得るが、現在開示及び主張されている主題はＥＣＧ及び心拍数（ＨＲ）値への変換に焦点を当てている。しかしながら、現在開示されて主張されている主題は、収集されたセンサデータのタイプに限定されない。前述したように、プレフィルタロジックは、１以上のセンサから生成されたＡＦＥ値の時系列の信号対雑音比がゼロである又はゼロに近い、若しくは、数値的に小さいシナリオで重要になる。この場合、１以上の心拍数値を生成する１以上のシステム又は方法は、１以上のそのような値を無視し得、場合によっては、心拍数値が生成されない、又は、生成された心拍数値が、事前に確立されたパラメータ、パターン及び／又は閾値から外れ得る。このようなＡＦＥ値は、対象が１以上の他の生理学的パラメータ（例えば、筋活動）を増加させるアクションを実行することから生じ得、若しくは、導入される又は接続を悪化させる同じセンサから又は他の変数から導出された信号と競合することで生じ得る。これによってＨＲの数列に一貫性がなくなり得る。
[0128] この問題を解決するため、以前に生成された値ではなく、将来の値を見ることによって１以上のデータ値が作成される方法が確立された。より具体的には、システムは、１以上の外れ値信号値を検出し、かつ、外れ値を、予想される範囲（例えば、確立された上限及び下限）内にある１以上の信号値に置換し得、したがって、数列を平滑にする作用を有すると同時に各値間の分散を低減する。確立された予想範囲は、個体、センサのタイプ、１以上のセンサパラメータ、１以上のセンサ特性、１以上の環境要因、個体の１以上の特性、個体のアクティビティなどを含む多数の異なる変数を考慮に入れ得る。予想範囲は、以前に収集されたセンサデータの少なくとも一部及び／又はその１以上の派生物、並びに、場合によっては前述の変数の１以上を使用して、予想範囲がどのようなものであり得るかを予測する１以上の人工知能又は機械学習技術によって作成され得る。予想範囲は、一定期間にわたって変化し得、かつ、本質的に動的であり得、１以上の変数（例えば、人が関与しているアクティビティ又は環境条件）に基づいて調整し得る。一変形例では、１以上の人工知能技術が少なくとも部分的に利用されて、収集されたセンサデータの少なくとも一部及び／又は１以上のセンサからのその１以上の派生物から導出された予想範囲（例えば、上限及び下限）内の１以上の人工信号値を生成し得る。
[0129] 将来の値に基づいて１以上の値を作成するという所望の結果を達成するため、システムは、センサの「正常」又は「予想」ＡＦＥ値の１以上を最初にサンプリングして統計的検定及び探索的データ分析を適用し、センサによって生成された各ＡＦＥ値の許容可能な上限及び下限を決定し、これには、四分位範囲（ＩＱＲ）、分布及びパーセンタイルカットオフ、尖度などの外れ値検出手法が含まれ得る。正常又は予想ＡＦＥ値は、以前に収集されたセンサデータの少なくとも一部を利用することによって判定され得る。正常又は予想ＡＦＥ値であるとみなされるものは、センサによって、センサパラメータによって、若しくは、正常である又は予想されると判定されるもの（例えば、対象、対象が関与するアクティビティ）に考慮され得る他のパラメータ／特性によって、変化し得る。
[0130] 外れ値が識別されると、プレフィルタロジックは、その後、後方塗りつぶし方法を使用して、１以上の外れ値（すなわち、受け入れられた下限及び上限の範囲外にあるＡＦＥ値）を、サンプルの現在のウィンドウの正常な範囲内にある利用可能な次の値で埋める。これにより、処理不可能なノイズのない、よりクリーンでより予測可能な値の時系列が得られる。詳細には、ＡＦＥ値の過去のシーケンスが与えられた場合に次のＡＦＥ値を予測するようにモデルが訓練された１以上の人工知能技術を利用することによって、及び／又は、値のシーケンスが正常な範囲内にあるようにすることを可能にするための１以上の外れ値の代わりとして、１以上の値が生成される。一変形例では、ユーザは、センサから生成されるＡＦＥ信号であるものと同様の波形を記述するヒューリスティック又は数式ベースの方法を利用し得る。
[0131] 心拍数値の場合、システムは、生データを処理するプレフィルタロジックによって使用されるデータ量を増やして、ｎ秒に相当するＡＦＥデータを含め得る。システムによって収集及び利用されるデータ量が増えると、ＱＲＳ群を識別するために使用される間隔の数が増えるにつれて、システムが、ＨＲ生成値のより予測可能なパターンを作成することを可能にする。ＨＲが１秒のサブインターバルで算出されたＨＲ値の平均であるので、これが発生する。ｎ秒数は、事前に決定され得る又は動的であり得る調整可能なパラメータである。詳細には、１以上の人工知能技術が利用されて、１以上の以前に収集されたデータセットに基づいて所定の範囲内にある１以上の値を生成するために必要なｎ秒数のＡＦＥデータを予測し得る。
[0132] 表３は、ノイズの多い入力下でのＡＦＥ予測の訓練及びテストのためにＬＳＴＭ方法を利用して人工動物データ（例えば、人工センサ値）を生成するための擬似コードの例を示しており、その１以上のパラメータは調整可能（可変）であり得る。
[0133] 図１１は、１５ノードを有する入力層及び１０ノードを有する隠れ層を有するＬＳＴＭニューラルネットワーク（図では「ＰＲＥＤ．ＡＦＥ」を付されている）を使用して生成された予測ＡＦＥ値を有する生体センサから導出されたＡＦＥデータ（図では「ＡＦＥ」を付されている）のサンプル外テストを示している。ノードの数は可変パラメータであり得る。この予測を行うために使用されたＡＦＥ値の履歴は２０である（すなわち、２０のタイムスタンプを見返す）。履歴値の数は可変パラメータであり得る。この図では、モデルは、真のＡＦＥ値ではない信号を導入し得る身体アクティビティ中に生じるノイズ又は外乱のないＡＦＥデータで訓練される。これにより、システムが、正常なＡＦＥ値の過去のシーケンスにどのような正常なＡＦＥ値が与えられるかを予測することを可能にする。ベースラインの正常なＡＦＥ値のモデルを訓練することに加えて、システムは、動物データ及び非動物データセットの両方を含み得る他の収集データで訓練され得る。このような訓練は、データがシステムによって受信される際に、履歴データと現在の（例えば、アクティブな）データセット（例えば、ライブのスポーツイベントなどでリアルタイム又はほぼリアルタイムで収集されたデータ）とを使用して行い得る。システムは、そのような収集データを利用して、より正確な予測、確率又は可能性を生成し、以前に収集されたデータ属性に基づいて１以上の標的対象に合わせて１以上の予測、確率又は可能性を調整し得る。
[0134] データの前処理は、ＱＲＳ群のあり得るＲピークを再現しない場合がある一方で、１以上のノイズの多い値を正常な信号又は予想される信号の範囲に取り込むことによって、ＨＲ値を生成するダウンストリームのフィルタ及びシステムが、品質信号のない場合に予想範囲内にある１以上のＨＲ値を生成することを可能にする。心拍数及び他の生物学的データを測定するためのシステムに関する追加の詳細は、２０１９年１月１４日に出願された米国出願第１６／２４６，９２３号及び２０２０年１月１４日に出願された国際出願第ＰＣＴ／ＵＳ２０／１３４６１号に開示されており、その開示の全体が参照によって本明細書に組み込まれる。
[0135] 詳細には、シミュレーションシステムは人工データ値を生成してデータセットを完成させる。例えば、任意の所定の生物学的データ（例えば、心拍数）を収集しているセンサは、センサが、データを収集、分析及び／又はシミュレーションに分配することを阻止する出来事を有し得る（例えば、１以上のセンサが、対象から外れる、センサの電力を使い果たしたのでデータの収集を停止するなど）。この例では、シミュレーションシステムは、１以上の人工データセットを作成してデータセットを完成させ得る（例えば、対象が４０分間走って、心拍数センサが３０分後にバッテリを使い果たす場合、シミュレーションシステムは、心拍数データの最後の１０分間を人工的に生成し得、これは、以前に収集されたデータ及びデータセット、速度、距離、環境条件などを含む１以上の変数を考慮に入れ得る）。
[0136] さらに詳細には、ユーザが１以上のコマンドを提供し、１以上のコンピューティングデバイス（例えば、シミュレーションシステム、コンピューティングデバイス又はサードパーティ）が、シミュレーションデータ又はその派生物の少なくとも一部を利用して１以上のコマンドの少なくとも一部を満たす１以上のアクションを実行する。コマンドは、物理的なキュー（例えば、アプリケーションのアイコンをクリックする）又は口頭のキュー（例えば、音声起動の仮想アシスタント又は他の通信媒体と話す）を含むいくつかの方法を介して開始され得る。１以上のコマンドは神経学的に開始され得る。例えば、コンピューティングデバイス（例えば、ブレインコンピュータインタフェース）は、ニューロンから対象の脳信号の１以上を取得し、１以上の脳信号を分析し、かつ、１以上の脳信号を、所望のアクションを実行するための出力デバイスに中継されるコマンドに変換し得る。脳信号の取得は、対象の脳に移植され得る１以上のセンサを含む、多数の異なるメカニズムを介して生じ得る）。１以上のコマンドに基づいて、１以上のコンピューティングデバイスによって実行される１以上のアクションは：（１）１以上の賭け事をするか否かを推奨する；（２）１以上の製品を作成、強化、修正、取得、提案又は分配する；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達する；（４）１以上の戦略を策定する；（５）１以上の賭けをすることを含む、１以上のアクションを実行する；（６）１以上のリスクを軽減又は阻止する；（７）１以上のアクションを推奨する；又は、（８）それらの組み合わせ、のうちの少なくとも１つを含む。例えば、ユーザは、特定の賭けをしたいことを音声起動アシスタントに口頭で伝え得る。音声起動アシスタントは、シミュレーション動物データの少なくとも一部に部分的に基づいて確率又はオッズを評価することによって、賭けをするか否かをユーザに通知し得る。その後、賭けがなされ得る。別の例では、ユーザは、ユーザが心臓の異常を抱えているとき、ユーザが身体的活動に関与したいことを音声起動アシスタントに口頭で伝え得る。音声起動アシスタントは、ユーザのシミュレーション動物データの少なくとも一部に基づいて確率又はオッズを評価して、身体的活動に関連付けられた心臓及びその他の健康上のリスクを判定することによって、活動に関与するか否かをユーザに通知し得る。
[0137] 詳細には、１以上のコンピューティングデバイスは、ユーザによって提供されたコマンドへの応答を得るために、１以上の一連のステップをとり得る。例えば、ユーザは、コンピューティングデバイス上のプログラムを要求して、１以上のシミュレーションを介して情報を生成し、そこから応答がユーザに提供され得る（例えば、目標カロリー数を燃焼させるために、時間、アクティビティ、標的生物学的測定値を含む最適な運動計画）。別の例では、ユーザがコンピューティングデバイス又はサードパーティシステムに口頭でコマンドを提供して、賭けをするか否かを判定する場合、音声起動アシスタントは少なくとも１つのシミュレーションを実行して、賭けをするか否かをユーザに通知し得る。一変形例では、コンピューティングデバイスは、ユーザによって設定された１以上の閾値に基づいて、ユーザに代わって１以上のアクションを実行し、１以上のアクションは、シミュレーションデータ又はその１以上の派生物の少なくとも一部の結果として直接的又は間接的に開始される。例えば、コンピューティングシステム又はサードパーティは、出来事が発生する確率を変化させ得る様々な入力及び変数をリアルタイム又はほぼリアルタイムで監視する機能を有し得る。どんなときでも動物データの少なくとも一部を使用して１以上のシミュレーションを実行することによって、システムは、賭けを生じさせるトリガとなり得る出来事が発生するオッズを修正して提供し得る。このシナリオ及びスポーツベッティングに関連して、ユーザは、閾値に達する確率に賭けを行うようにシステムを設定し得（例えば、試合Ｘの第３セットの第４ゲームでプレーヤＡの心拍数が２００ｂｐｍを超える確率が８５％を超える場合、ユーザは、試合Ｘの第３セットの第４ゲームでプレーヤＡの心拍数が２００を超えることに賭けるようにシステムを設定し得る）、又は、賭けが行われるべきである通知をユーザに提供し得る（例えば、口頭による通知、スマートウォッチの振動のような運動感覚通知、仮想現実又は拡張現実システム内のポップアップのような視覚的通知、電話のテキストメッセージ、アプリのアラートなど）。派生物には、１以上の計算された資産、洞察及び／又は予測指標が含まれ得る。一変形例では、シミュレーションデータの少なくとも一部が利用されて１以上の洞察、計算された資産又は予測指標を作成する。このシナリオでは、コンピューティングシステム又はサードパーティは、１以上のシミュレーションを実行することによって生成されたシミュレーションデータに少なくとも部分的に基づいて出来事が発生する確率を作成し得る。
[0138] さらに詳細には、シミュレーションデータが健康監視システムの一部として使用され得る。例えば、健康プラットフォーム又はアプリケーションなどの健康監視システムは、１以上の人工知能技術を利用してデータセットを相関させ、１以上の標的個体又は標的個体のグループからの既知の生物学的関連の問題を識別するとともに、収集されたデータに基づいて生物学的関連の問題を識別するために１以上のデータセット内の隠れパターンを識別するように動作可能であり得る。これには、以前に既知の問題と相関させられたことのないデータ内の全く新規なパターンの発見、又は、新規な問題を識別し得る１以上のデータセット内の新規なパターンの発見を含み得る。アプリケーションは、１以上のシミュレーションをさらに実行して１以上の人工データセットを生成するように動作可能であり得、１以上の人工データセットは、ユーザが：（ｉ）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達すること；（ｉｉ）１以上の戦略を策定すること；（ｉｉｉ）１以上のアクションを実行すること；（ｉｖ）１以上のリスクを軽減又は阻止すること；（ｖ）１以上のアクションを推奨すること；又は、（ｖｉ）それらの組み合わせのうちの少なくとも１つを可能にする。１以上のシミュレーションから生成された人工データが、利用されて１以上の洞察、計算された資産又は予測指標を作成、修正又は強化する、又は、１以上の洞察、計算された資産又は予測指標を作成、拡張又は修正し得る別の１以上のシミュレーションで利用される。監視システムの１以上のユーザへの動物データ及びその１以上の派生物（例えば、シミュレーションデータ、予測指標、計算された資産）の通信は、リアルタイム又はほぼリアルタイムで行われ、標的対象の全体論的視野及びシミュレーションデータから導出された潜在的な将来のリスクを提供する。これは、アプリケーション内のディスプレイを介して生じ得（例えば、心拍数、呼吸数、生体液レベルなどの生物学的データ、及び、「エネルギーレベル」、生物学的イベントを経験する確率、実行される１以上のシミュレーションに基づく１以上の生物学的測定値に関する即時のリスクの脅威などの洞察）、又は、他の形式で伝達され得る（例えば、仮想アシスタントを介して口頭で、拡張現実ディスプレイの一部として視覚的に）。このような健康監視製品は、フィットネス、遠隔医療／医療（遠隔患者監視を含む）、保険、一般的なビジネス（例えば、従業員のウェルネス）、航空、自動車などの様々な業界で使用され得る。一変形例では、健康監視システムは、収集されたセンサデータの少なくとも一部を利用する実行中の１以上のシミュレーションに基づいて健康又は医学的状態を検出し得、これは、別の１以上のコンピューティングデバイスに送信されるアラートのいずれかをトリガし得る（例えば、病院、医療専門家）。
[0139] 有利には、そのような情報は、Ｗｅｂブラウザとの直接のセンサ通信を介してリアルタイム又はほぼリアルタイムで通信され得る。詳細には、シミュレーションデータは、データ追跡システム、及び特に、接続アプリケーション及びサーバを含む生物学的（動物）データ追跡システムから生成され得る、又は、その一部として利用され得る。接続アプリケーションは、複数の無線通信対応データセンサ（例えば、ウェアラブル生体センサ及び／又は他の無線通信対応データセンサ）との無線通信を確立し、センサから１以上のデータストリームを受信し、かつ、ブラウザプリケーション、ストリーミングデータの少なくとも一部から導出された１以上の測定値を表示する。サーバは、ユーザがＷｅｂページにアクセスすることに応答して、接続アプリケーションをブラウザに送信し得る。接続アプリケーションは、データの１以上のストリームをサーバに送信し、その後、サーバは１以上の測定値を算出する。複数の無線通信対応センサは、異なる通信インタフェースを使用して接続アプリケーションと通信するセンサを含む、少なくとも２つの異なるタイプのセンサを含み得る。シミュレーションデータ又はその１以上の派生物を含む測定値の少なくとも１つは、２つの異なるセンサからのデータストリームの少なくとも一部から導出され得る。１以上のデータストリームは、そこからシミュレーションデータが作成され得る、１以上のシミュレーションにおける入力であり得る。一変形例では、１以上の測定値は、２以上の異なるセンサからの１以上のデータストリームの少なくとも一部を利用する１以上のシミュレーションからも導出され得る。接続アプリケーションは、１以上のコマンドを遠隔制御デバイス及び／又は複数のセンサのサブセットに送信して、１以上のセンサ設定を変化させるように動作可能であり得、これは、連続して又は同時に生じ得る。
[0140] さらに詳細には、シミュレーションデータは、データ追跡システム、及び特に、１以上の無線通信対応データセンサ（例えば、生物学的データセンサ）、コンピューティングデバイス及び接続アプリケーションを含む生物学的（動物）データ追跡システムから生成される、又は、その一部として利用され得る。１以上の無線通信対応データセンサは、異なる通信インタフェースを使用して接続アプリケーションと通信し得る少なくとも２つの異なるタイプのセンサを含み得る。コンピューティングデバイスは、ネットワーク接続（例えば、インターネット）及びブラウザプリケーション（例えば、ブラウザソフトウェアの実行）を含む。ブラウザ内で実行する接続アプリケーションは、１以上のセンサの各々と１以上の無線通信リンクを確立し、１以上のセンサから１以上のデータストリームを受信し、かつ、ブラウザプリケーションを介して、ストリーミングデータの少なくとも一部から導出された１以上の測定値を表示するように構成（例えば、プログラミング）される。接続アプリケーションは、１以上のコマンドを１以上の無線通信対応データセンサに送信して、１以上のセンサ設定を変更、調整及び／又は修正し得る。シミュレーションデータを含み得る測定値の少なくとも１つは、２以上の異なるセンサからの１以上のデータストリームの少なくとも一部から導出され得る。１以上のデータストリームは、シミュレーションデータが作成され得る１以上のシミュレーションにおける入力であり得る。一変形例では、１以上の測定値は、２以上の異なるセンサからの１以上のデータストリームの少なくとも一部を利用する１以上のシミュレーションからも導出され得る。システムは、ネットワーク接続（例えば、インターネット）を介して１以上のデータストリームを受信して測定値を計算するように構成されたサーバを含み得る。サーバは、ユーザがＷｅｂページにアクセスすることに応答して、接続アプリケーションプログラムをブラウザに伝送するように動作可能であり得る。
[0141] さらに詳細には、シミュレーションデータは、サーバからブラウザに接続アプリケーションを伝送すること、少なくとも１つの無線通信対応センサを検出すること、少なくとも１つのセンサから１以上のデータストリームを無線で受信すること、及び、１以上の測定値を表示することを含む、生物学的（動物）データを追跡するための方法から生成される又はその一部として利用され得る。サーバは、ユーザがＷｅｂページにアクセスすることに応答してブラウザにアプリケーションを伝送する。接続アプリケーションは、１以上のセンサを検出し、かつ、１以上のデータストリームの少なくとも一部を直接受信する。１以上の測定値は、１以上のデータストリームの少なくとも一部から導出され、かつ、少なくとも部分的にブラウザに表示される。１以上の測定値はシミュレーションデータを含み得る。特徴的に、１以上のデータストリームは、そこからシミュレーションデータが作成され得る１以上のシミュレーションの入力であり得る。この方法は、ブラウザからサーバに１以上のデータストリームの少なくとも一部を伝送すること、及び、サーバからブラウザに１以上の測定値を伝送することを含み得る。接続アプリケーションは、１以上のセンサ設定を変更するために１以上のセンサに１以上のコマンドを送信するように動作可能であり得る。１以上のセンサは、２つの異なる通信インタフェースを使用して１以上のデータストリームを接続アプリケーションに伝送し得る少なくとも２つのタイプのセンサを含み得る。シミュレーションデータを利用するデータ追跡システムに関する追加の詳細は、２０１９年２月１３日に出願された米国特許出願第１６／２７４，７０１号及び２０２０年２月１３日に出願された国際出願第ＰＣＴ／ＵＳ２０／１８０６３号に開示されており、その開示の全体が参照によって本明細書に組み込まれる。
[0142] 有利には、シミュレーションデータは、無人航空機ベースのセンサデータ収集及び分配システムの一部として利用され得る。無人航空機ベースのデータ収集及び分配システムには、電子的に伝送可能な動物データのソースが含まれ得る。動物データのソースには少なくとも１つの生体センサが含まれ得る。動物データは、少なくとも１人の標的個体又は標的個体のグループから収集され得る。このシステムには、１以上のセンサから動物データを受信し、かつ、１以上の他のコンピューティングデバイス（例えば、ホームステーション、他のコンピューティングシステム）と通信する１以上の無人航空機（例えば、ドローン、高高度長時間滞空航空機、高高度疑似衛星、大気衛星、気球、マルチロータドローン、飛行船、固定翼航空機、低高度システム）が含まれ得る。特徴的に、１以上の無人航空機には、動物データのソースから１以上の信号又は測定値を受信し、ＵＡＶの一部である１以上のセンサ（例えば、１以上のＵＡＶに取り付けられ、統合され、接続され又は関連付けられる光学センサ、温度センサなど）からデータを収集し、及び／若しくは、データを別のコンピューティングデバイスに提供（例えば、送信）する、又は、クラウドを介してデータにアクセス可能にするように動作可能なトランシーバを含む。１以上のＵＡＶは、ＵＡＶのネットワーク（例えば、１以上のデータ関連機能のためにドローンのネットワークを利用するセルラーネットワーク）、１以上のＵＡＶ及び非ＵＡＶから構成されるネットワーク（例えば、地上局）、又は、複数のネットワークの一部として動作し得る。
[0143] 詳細には、収集センサデータを組み込んだ１以上のシミュレーションが実行されて、標的個体の１以上の動物データ測定値（例えば、位置、動き）を予測し、かつ、１以上のＵＡＶを最適化し得る。１以上のシミュレーションは、収集センサデータ、１以上の標的個体の１以上の特性（例えば、１以上の標的個体が関与させられるアクティビティ）、非動物データの１以上のタイプ（例えば、天気、１以上のモバイルデバイスからの検索結果又はコンテンツ）などを含み得る。例えば、１以上の標的個体から位置データを収集して１以上のシミュレーションを介して１以上の動きを予測すると、以下のことを可能にする：１以上の標的個体との最適な見通し線を確保するために、ＵＡＶフォーメーション（例えば、３次元フォーメーション）の最適化を含む１以上のＵＡＶ全体の効率を高めること、ＵＡＶのマッピング、ＵＡＶのルーティング（例えば、エネルギー消費を最小限に抑えるために任意の所定のルートの効率を最大化する）、ＵＡＶ及び他のコンピューティングデバイスの間でのデータの共有（例えば、データを判定することが、他のＵＡＶ又はコンピューティングデバイスで共有又は利用可能にされる必要があり得る、対、１以上の標的個体の１以上の予測される動きに基づいて保存される必要があり得る、予測される動きに基づいてシームレスなハンドオフを確保するためにＵＡＶ間でどの情報が複製される必要がある、など）、システム間の通信（例えば、標的個体の位置に基づいて１以上のＵＡＶと１以上のセンサとの間の標的検出又は接続の可能性を最大化する）、アンテナの位置決め、１以上のセンサ又はシステムとの通信に利用されるアンテナのタイプ、アンテナアレイの位置決め、予測される標的個体の位置に基づくビームパターン及び方向の最適化、予測される標的の個々の位置に基づく１以上のＵＡＶの配置／フォーメーション（例えば、高度、標高の予測される変化を含む）など。シミュレーションデータに対して１以上のＵＡＶによって実行される１以上のアクションにより、帯域幅の最適化（例えば、より多くの利用可能な帯域幅）、１以上のＵＡＶのエネルギー節約の増加（例えば、追加機能又は飛行時間の増加のためにＵＡＶがエネルギーを利用可能にする）、センサとＵＡＶとの間のより信頼性の高い通信（例えば、より強力な信号強度、データパケット損失の減少）、サービスエリアの最大化などを生じさせ得る。
[0144] さらに詳細には、人工データは、１以上の統計モデル又は人工知能技術を利用して生成され得、そこから１以上のシミュレーションが実行されて、１以上のＵＡＶが１以上のアクションを実行することを可能にする情報を提供し得る。１以上の標的個体からの受信センサデータの少なくとも一部に基づいて、１以上のＵＡＶは、１以上のシミュレーションを実行するため、又は、１以上のＵＡＶで１以上のシミュレーションを実行するため、１以上のコンピューティングデバイスにデータを提供（例えば、送信）するように動作可能であり得る。１以上のシミュレーションからの出力に基づいて、１以上のＵＡＶは１以上のアクションを実行し得る。例えば、１以上の標的個体からの収集生体センサデータは、１以上のＵＡＶ又は１以上のＵＡＶを制御するホームステーションをトリガして、１以上の標的個体に関する１以上のシミュレーションを実行可能であり、そこから、１以上の予測、確率又は可能性が、算出され、計算され、導出され、抽出され、外挿され、シミュレーションされ、作成され、修正され、強化され、見積もられ、評価され、推論され、確立され、判定され、推定され、観察され、伝達され又は実行され得る。より具体的には、１以上のＵＡＶは、１以上のセンサに基づいて生物学ベースの情報を検出する情報を検出又は捕捉し（例えば、標的対象が心臓発作又は脳卒中などの医療事象を経験している）、収集されたセンサデータを分析し（例えば、１以上の機械学習技術を利用してデータ内のパターンを見つけて予測又は確率ベースの情報を生成する）、又は、データにアクセスする別のコンピューティングデバイスを介して（例えば、クラウドを介して）分析用のデータを提供し、及び、１以上のアクションを実行し得る（例えば、病院システムなどの別のシステムにアラートを送信して、そのアラートをシステムに通知し、１以上の信号又は測定値のＵＡＶの分析の結果として１以上の薬剤又は薬物を送達する；分析を提供するコンピューティングデバイスから分析された情報を受信し、サードパーティにアラートを送信する）。アラートは、１以上の生物学的測定値（例えば、測定値の要約、生物学的測定値が捕捉された標的個体の位置）、及び／又は、他のデータ（例えば、収集情報に基づいて発生する医療事象が発生する可能性を伝達する予測指標）を、１以上のＵＡＶに関する情報とともに含み得る。さらに詳細には、１以上のＵＡＶは、１以上のＵＡＶをトリガして１以上のシミュレーションを実行する、又は、別のコンピューティングデバイスをトリガして１以上のＵＡＶからデータを受信又は取得して１以上のシミュレーションを実行する、生物学ベースの情報を検出し得、そこから、１以上の予測、確率又は可能性が導出され（例えば、収集生体センサデータは、特定の医療エピソードに関連付けられたデータ内の異常を示す測定値を提供するので、システムは１以上のシミュレーションを実行して、標的個体がｎ期間以内に医療エピソードを経験する可能性を判定する）、かつ、１以上のアクションが実行される（例えば、ＵＡＶは、医療エピソードへの対処を支援するために救急箱又は他の医療機器を送達する、又は、病院システム又は救急システムなどの別のシステムにアラートを送信する、又は、医療エピソードが発生しようとしているアラートを標的個体に送信する）。さらに詳細には、１以上のＵＡＶが動物データを検出し、別の１以上のＵＡＶがアクションを実行し得る（例えば、１つのＵＡＶが生物学的データを検出し、別のＵＡＶが１以上のシミュレーションを実行し、別のＵＡＶが、医療事象が発生する可能性を予測するために、捕捉されたセンサデータ及び生成された人工情報を解釈し、かつ、別のＵＡＶが、医療エピソードに対処してリスクを軽減／阻止するために１以上の薬物、処方又はセンシング／医療機器を送達する）。さらに詳細には、１以上のＵＡＶが動物データを検出し、別の１以上のコンピューティングデバイスがアクションを実行し得る（例えば、ＵＡＶが、センサデータを捕捉し、データをサードパーティに送信してシミュレーションを実行し、かつ、出力に基づいて適切な薬物／処方／機器を送達する）。
[0145] ＵＡＶ収集センサデータの少なくとも一部又はその１以上の派生物から導出されたシミュレーションデータは、直接的又は間接的に：（１）１以上の賭け事が行われる又は受け入れられる市場として；（２）１以上の製品を作成、修正、強化、取得、提案又は分配するため；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達するため；（４）１以上の戦略を策定するため；（５）１以上のアクションを実行するため；（６）１以上のリスクを軽減又は阻止するため；（７）１以上のアクションを推奨するため；（８）１以上のシミュレーション、計算又は分析で利用される１以上の信号又は測定値として；（９）１以上のシミュレーションの一部として、その出力が１以上のユーザに直接的又は間接的に関与する；（１０）１以上の消費媒体に対する１以上のコアコンポーネント又はサプリメントとして；（１１）１以上のプロモーションで；又は、（１２）それらの組み合わせのいずれかで使用され得る。例えば、１以上のＵＡＶ又はＵＡＶのネットワークを位置決めして最適な配置を確保するため、標的個体のグループの個々の場所に関して１以上のシミュレーションが実行されて、予想される個々の場所を予測し得る。シミュレーションシステムを組み込むことができるセンサデータのための無人航空機ベースのデータ収集及び分配システムの追加の詳細は、２０１９年７月１９日に出願された米国特許出願第１６／５１７，０１２号及び２０２０年７月２０日に出願された国際出願第ＰＣＴ／ＵＳ２０／４２７０５号に開示されており、その開示の全体が参照によって本明細書に組み込まれる。
[0146] シミュレーションデータが使用されて、１以上のセンサ設定を変更、調整又は修正し得る。詳細には、１以上のセンサ設定の変更、調整又は修正を生じさせる１以上のシミュレーションが実行される。一変形例では、シミュレーションデータ又はその１以上の派生物（例えば、シミュレーションデータに基づくアラート）を受信するシミュレーションシステム又はコンピューティングデバイスは、１以上の人工知能技術を利用して生じ得る１以上のシミュレーションの結果に基づいて１以上のセンサ設定を自動的に変更、調整又は修正する。例えば、シミュレーションが、標的対象からの１以上のセンサ測定値に基づいて、標的対象の１以上のセンサ測定値が正常な測定値から異常な測定値に変わる可能性が高いことを明示するシミュレーションデータを生成する場合（例えば、標的対象が心臓発作を起こすと予測するシミュレーションの場合）、シミュレーションシステム又は他のコンピューティングデバイスは、１以上のセンサ設定を自動的に変更し得る（例えば、センサのサンプリングレートを上げる；１以上の信号又は測定値が提供される頻度を上げる、センサデータを受信する１以上のコンピューティングデバイスを変更／調整／修正する。この例では、データの測定値が不規則になると予想される場合、１以上の測定値が医療関連システム又は医療専門家に自動的に送信され得る）。別の例では、シミュレーションが、標的対象が正常なＥＣＧ測定値を有すると予測されることを明示するシミュレーションデータを生成する場合、シミュレーションデータ又はその１以上の派生物を受信するコンピューティングデバイスのシミュレーションシステムは、センサのサンプリングレートを修正し得る（例えば、レートを下げる）、又は、センサによって１以上のコンピューティングデバイスに提供されるデータの頻度を減らし得る（例えば、バッテリ寿命を維持するため、データストリーミングレートを連続から断続に変更する）。別の例では、シミュレーションデータは、シミュレーションシステム（例えば、遠隔健康監視／遠隔医療プラットフォームであり得る）又は他のコンピューティングデバイスを介して医療専門家と仮想相談を行うように標的対象をトリガし得る。シミュレーションデータに基づいて、医療専門家は、医療専門家が１以上のセンサをそれらの特定のニーズに合わせて調整することができるように、標的対象（例えば、カメラ）が利用している１以上のセンサを変更、修正又は調整し得る（カメラの例では、身体の１以上の特定の部分を調べる）。一変形例において、及び、シミュレーションデータに基づいて、１以上のセンサを利用する１以上の標的対象の監視、監督又はケアにより関連性の高いデータを捕捉することを１以上のセンサができるように、医療専門家は、１以上の標的対象が使用している１以上のセンサ設定を変更、修正又は調整し得る。例えば、臨床医は、センサ設定を調整して、患者の監視、治療、入院、レビュー又はフォローアップの決定を行うために必要な関連の動物データをより正確に補足するために、センサ設定を変更（例えば、手動で設定をオーバーライドする）又は調整し得る。
[0147] 例示的な実施形態を上述したが、これらの実施形態が本発明のすべてのあり得る形態を説明することは意図されていない。むしろ、本明細書で使用された用語は、限定ではなく説明の単語であり、本発明の精神及び範囲から逸脱することなく様々な変更がなされ得ることが理解される。さらに、様々な実施形態の特徴が組み合わせられて本発明のさらなる実施形態を形成し得る。
Claims (58)
- １以上の標的個体に関する情報を受信、保存又は送信する１以上のセンサから少なくとも部分的に得られた実際の動物データの１以上のセットを受け取るステップと、
実際の動物データの少なくとも一部又はその１以上の派生物からシミュレーション動物データを生成するステップであって、前記１以上の標的個体の１以上のパラメータ又は変数は修正される、生成するステップと、
コンピューティングデバイスに前記シミュレーション動物データを提供するステップと、を含む方法。 - １以上のシミュレーションが実行されてシミュレーション動物データを生成する、請求項１に記載の方法。
- 生成された前記シミュレーション動物データの少なくとも一部又はその１以上の派生物が使用されて、１以上の洞察、計算された資産又は予測指標を作成、強化又は修正する、請求項２に記載の方法。
- 生成された前記シミュレーション動物データの少なくとも一部又はその１以上の派生物は１以上のシミュレーションシステムで使用され、前記１以上のシミュレーションシステムは、ゲームベースシステム、拡張現実システム、仮想現実システム、複合現実システム又はエクステンデッドリアリティシステムのうちの少なくとも１つである、請求項２に記載の方法。
- １以上のシミュレーションシステムの一部として利用される１以上のコンピューティングデバイスは、直接的又は間接的に：（１）１以上の賭け事を提案し又は受け入れ；（２）１以上の製品を作成、強化、修正、取得、提案又は分配し；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達し；（４）１以上の戦略を策定し；（５）１以上のアクションを実行し；（６）１以上のリスクを軽減又は阻止し；（７）１以上のアクションを推奨し；（８）１以上のユーザを関与させ；又は、（９）その組み合わせを実行するように動作可能である、請求項４に記載の方法。
- 生成された前記シミュレーション動物データの少なくとも一部が１以上のシミュレーションで１以上の入力として使用されてシミュレーション動物データを生成する、請求項２に記載の方法。
- 生成された前記シミュレーション動物データの少なくとも一部又はその１以上の派生物が使用されて、１以上の洞察、計算された資産又は予測指標を作成、強化又は修正する、請求項６に記載の方法。
- 生成された前記シミュレーション動物データ又はその１以上の派生物は１以上のシミュレーションシステムで使用され、前記１以上のシミュレーションシステムは、ゲームベースシステム、拡張現実システム、仮想現実システム、複合現実システム又はエクステンデッドリアリティシステムのうちの少なくとも１つである、請求項６に記載の方法。
- １以上のシミュレーションシステムの一部として利用される１以上のコンピューティングデバイスは、直接的又は間接的に：（１）１以上の賭け事を提案し又は受け入れ；（２）１以上の製品を作成、強化、修正、取得、提案又は分配し；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達し；（４）１以上の戦略を策定し；（５）１以上のアクションを実行し；（６）１以上のリスクを軽減又は阻止し；（７）１以上のアクションを推奨し；（８）１以上のユーザを関与させ；又は、（９）その組み合わせを実行するように動作可能である、請求項８に記載の方法。
- シミュレーションデータを生成するために修正された前記１以上のパラメータ又は変数は非動物データから構成される、請求項１に記載の方法。
- 前記シミュレーション動物データは、前記実際の動物データの少なくとも一部をランダムにサンプリングすることによって生成される、請求項１に記載の方法。
- 前記シミュレーション動物データは、実際の動物データにフィットを提供するために最適化される１以上の独立変数又は１以上の調整可能なパラメータによって関数に前記実際の動物データをフィットさせることによって生成される、請求項１に記載の方法。
- 前記関数は、行、多項式、指数、ガウス、ローレンツ、区分線形、又は、実際のデータポイント間のスプラインである、請求項１２に記載の方法。
- 前記１以上の独立変数又は調整可能なパラメータは、１以上の生物学的パラメータが時間の関数としてシミュレーションの１以上の仮想参加者に関連付けられるような時間を含む、請求項１２に記載の方法。
- 前記シミュレーション動物データは、実際の動物データの各値に１以上のオフセット値を追加することによって生成される、請求項１に記載の方法。
- 前記実際の動物データの少なくとも一部は、実際のデータセットの各値に１以上の乱数を追加することによってシミュレーションデータに変換される、請求項１に記載の方法。
- 前記シミュレーション動物データの少なくとも一部は、シミュレーションによって使用されるルックアップテーブルに変換される、請求項１に記載の方法。
- 前記シミュレーション動物データの少なくとも一部は、前記実際の動物データを確率分布にフィットさせ、及びその後、前記確率分布をランダムにサンプリングして、１以上の仮想対象に１以上の生物学的パラメータを割り当てることによって生成される、請求項１に記載の方法。
- 前記確率分布は、ベルヌーイ分布、均一分布、二項分布、正規分布、ポアソン分布、指数分布及びローレンツ分布から構成された郡から選択される、請求項１８に記載の方法。
- 実際の動物データの１以上のセットは、シミュレーションにおいて１以上のパラメータ又は変数として適用される１以上に非動物データ変数又はパラメータを含む、請求項１８に記載の方法。
- 訓練されたニューラルネットワークがシミュレーション動物データを生成し、前記訓練されたニューラルネットワークは、前記実際の動物データの少なくとも一部又はその１以上の派生物によって訓練される、請求項１に記載の方法。
- 前記訓練されたニューラルネットワークはシミュレーションデータの少なくとも一部を用いて訓練される、請求項２１に記載の方法。
- シミュレーションデータを生成するために修正された前記１以上のパラメータ又は変数は非動物データから構成される、請求項２１に記載の方法。
- 前記訓練されたニューラルネットワークは回帰型ニューラルネットワークである、請求項２１に記載の方法。
- 前記訓練されたニューラルネットワークは長短期記憶回帰型ニューラルネットワークである、請求項２１に記載の方法。
- 前記訓練されたニューラルネットワークは敵対的生成ネットワークである、請求項２１に記載の方法。
- シミュレーション動物データを生成するために利用される前記訓練されたニューラルネットワークは、順伝播型、パーセプトロン、ディープ順伝播型、ラジアルベーシスネットワーク、ゲート回帰型ユニット、オートエンコーダ（ＡＥ）、変分ＡＥ、ノイズ除去ＡＥ、スパースＡＥ、マルコフチェーン、ホップフィールドネットワーク、ボルツマンマシン、制限ＢＭ、ディープビリーフネットワーク、ディープ畳み込みネットワーク、逆畳み込みネットワーク、ディープ畳み込み逆グラフィックスネットワーク、リキッドステートマシン、エクストリームラーニングマシン、エコーステートネットワーク、ディープ残差ネットワーク、コホネンネットワーク、サポートベクタマシン、ニューラルチューリングマシン、データ処理のグループ方式、確率的、時間遅延、畳み込み、ディープスタッキングネットワーク、一般回帰ニューラルネットワーク、自己組織化マップ、学習ベクトル量子化、単純回帰型、リザーバコンピューティング、エコー状態、双方向、階層型、確率的、遺伝的スケール、モジュール式、マシンコミッティ、連想的、物理的、即座に訓練された、スパイク、規制フィードバック、ネオコグニトロン、複合階層ディープモデル、ディープ予測コーディングネットワーク、多層カーネルマシン、動的、カスケード、ニューロファジー、構成パターン生成、メモリネットワーク、ワンショット連想メモリ、階層的時間メモリ、ホログラフィック連想メモリ、セマンティックハッシュ、ポインタネットワーク又はエンコーダ－デコーダネットワークのうちの１以上のタイプのニューラルネットワークから構成される、請求項２１に記載の方法。
- 複数のニューラルネットワークが、同じ前記動物データの少なくとも一部又はその１以上の派生物に利用されてシミュレーションデータを作成する、請求項２１に記載の方法。
- 前記シミュレーション動物データの少なくとも一部は、直接的又は間接的に；（１）１以上の賭け事がされる又は受け入れられる市場として；（２）１以上の製品を作成、修正、強化、取得、提案又は分配するため；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達するため；（４）１以上の戦略を策定するため；（５）１以上のアクションを実行するため；（６）１以上のリスクを軽減又は阻止するため；（７）１以上のアクションを推奨するため；（８）１以上のシミュレーション、計算又は分析で利用される１以上の信号又は測定値として；（９）１以上のシミュレーションの一部として、その出力が１以上のユーザに直接的又は間接的に関与し；（１０）１以上の消費媒体に対する１以上のコアコンポーネント又はサプリメントとして；（１１）１以上のプロモーションで；又は、（１２）それらの組み合わせで使用される、請求項２１に記載の方法。
- 前記実際の動物データの少なくとも一部又はその１以上の派生物を利用する１以上のシミュレーションが発生して、直接的又は間接的に：（１）１以上の賭け事がされる又は受け入れられる市場として；（２）１以上の製品を作成、修正、強化、取得、提案又は分配するため；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達するため；（４）１以上の戦略を策定するため；（５）１以上のアクションを実行するため；（６）１以上のリスクを軽減又は阻止するため；（７）１以上のアクションを推奨するため；（８）１以上のシミュレーション、計算又は分析で利用される１以上の信号又は測定値として；（９）１以上のシミュレーションの一部として、その出力が１以上のユーザに直接的又は間接的に関与し；（１０）１以上の消費媒体に対する１以上のコアコンポーネント又はサプリメントとして；（１１）１以上のプロモーションで；又は、（１２）それらの組み合わせで利用されるシミュレーションデータを作成する、請求項２１に記載の方法。
- シミュレーションは、フィットネスアクティビティ、スポーツイベント、健康評価又は保険評価のうちの少なくとも１つに関与する１以上の標的個体に基づいてシミュレーションする、請求項１に記載の方法。
- 前記シミュレーション動物データの少なくとも一部は：（１）１以上の賭け事がされる又は受け入れられる市場として；（２）１以上の製品を作成、修正、強化、取得、提案又は分配するため；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達するため；（４）１以上の戦略を策定するため；（５）１以上のアクションを実行するため；（６）１以上のリスクを軽減又は阻止するため；（７）１以上のアクションを推奨するため；（８）１以上のシミュレーション、計算又は分析で利用される１以上の信号又は測定値として；（９）１以上のシミュレーションの一部として、その出力が１以上のユーザに直接的又は間接的に関与し；（１０）１以上の消費媒体に対する１以上のコアコンポーネント又はサプリメントとして；（１１）１以上のプロモーションで；又は、（１２）それらの組み合わせで直接的又は間接的に１以上のコンピューティングデバイスによって使用される、請求項３１に記載の方法。
- 前記シミュレーション動物データの少なくとも一部又はその１以上の派生物が使用されて、１以上の保険サービス、識別、分類、料率、償還又はそれらの組み合わせを作成又は修正する、請求項１に記載の方法。
- 前記シミュレーション動物データの少なくとも一部又はその１以上の派生物が１以上のシミュレーションシステムで使用され、前記１以上のシミュレーションシステムは、ゲームベースシステム、拡張現実システム、仮想現実システム、複合現実システム又はエクステンデッドリアリティシステムのうちの少なくとも１つである、請求項１に記載の方法。
- １以上のシミュレーションシステムの一部として利用される１以上のコンピューティングデバイスは、直接的又は間接的に：（１）１以上の賭け事を提案し又は受け入れ；（２）１以上の製品を作成、強化、修正、取得、提案又は分配し；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達し；（４）１以上の戦略を策定し；（５）１以上のアクションを実行し；（６）１以上のリスクを軽減又は阻止し；（７）１以上のアクションを推奨し；（８）１以上のユーザを関与させ；又は、（９）その組み合わせを実行するように動作可能である、請求項３４に記載の方法。
- シミュレーションユーザの動物データの少なくとも一部又はその１以上の派生物は１以上のシミュレーションの一部として利用され、前記シミュレーションユーザの動物データは１以上のセンサから少なくとも部分的に得られる、請求項３４に記載の方法。
- 前記１以上のシミュレーションシステムと通信する装置は、前記装置に接触し、埋め込まれ、取り付けられ、留まり又は統合される１以上のセンサを有し、かつ、前記ユーザの動物データ又はその１以上の派生物を含む、コンピューティングデバイスに前記シミュレーションユーザのデータの少なくとも一部を提供する、請求項３６に記載の方法。
- 前記１以上のセンサ及び／又はその１以上の付属物は、前記１以上の標的個体の身体、眼球、生体器官、筋肉、毛髪、静脈、生体液、血管、組織又は骨格系を含む１以上の標的個体に取り付けられ、接触し、若しくは、１以上の標的個体に関連して又はそれから導出される１以上の電子通信を送信し、前記１以上の標的個体に埋め込まれ、１以上の標的個体に留まる又は移植され、前記１以上の標的個体に摂取され、前記１以上の標的個体の少なくとも一部を含むように統合され、若しくは、直接的に又は１以上の媒介を介して、１以上の標的個体と接触又は通信する繊維、生地、衣服、材料、固定具、物体又は装置に、統合される又はその一部として統合される、取り付けられる又は埋め込まれる、請求項１に記載の方法。
- 前記１以上のセンサは、１以上の標的個体から、生理学的データ、生体測定データ、化学データ、生体力学的データ、位置データ、環境データ、遺伝子データ、ゲノムデータ又はその他の生物学的データを収集する少なくとも１つのバイオセンサを含む、請求項１に記載の方法。
- 前記１以上のセンサは、顔認識データ、眼球追跡データ、血流データ、血液量データ、血圧データ、生体液データ、体組成データ、生化学データ、パルスデータ、酸素化データ、深部体温データ、皮膚温度データ、電気皮膚反応データ、発汗データ、場所データ、位置データ、音声データ、生体力学データ、水分補給データ、心臓ベースデータ、神経学的データ、遺伝子データ、ゲノムデータ、骨格データ、筋肉データ、呼吸データ、運動感覚データ、周囲温度データ、湿度データ、気圧データ又は標高データのうちの少なくとも１つのタイプ、を収集する又はに変換され得る情報を提供する、請求項１に記載の方法。
- 前記シミュレーション動物データは、前記１以上のセンサから収集又は導出された１以上の洞察、計算された資産又は予測指標に関する情報を提供する１以上のコンピューティングデバイスによって直接的又は間接的に利用される、請求項４０に記載の方法。
- ユーザは、１以上のシミュレーションのための１以上のパラメータ又は変数を選択し、１以上のシミュレーションが発生し、かつ、１以上のユーザは、対価のために前記シミュレーション動物データの少なくとも一部又はその１以上の派生物を取得する、請求項１に記載の方法。
- ユーザは１以上のコマンドを提供し、かつ、１以上のコンピューティングデバイスは、前記シミュレーション動物データの少なくとも一部又はその１以上の派生物を利用する１以上のアクションを実行して前記１以上のコマンドの少なくとも一部を満たす、請求項１に記載の方法。
- 前記シミュレーション動物データの少なくとも一部が利用されて、１以上の洞察、計算された資産又は予測指標を作成、強化又は修正する、請求項１に記載の方法。
- 前記１以上の洞察は、シミュレーションデータの少なくとも一部を利用して、（１）動物データに基づくリスクを評価、査定、阻止又は軽減する、（２）動物データに基づく性能を評価、査定及び最適化する、又は、それらの組み合わせを実行する１以上の標的個体又は標的個体のグループに関するパーソナルスコア又はその他の指標である、請求項４４に記載の方法。
- １以上のコンピューティングデバイスは、ユーザによって設定された１以上の閾値に基づいて前記ユーザに変わって１以上のアクションを実行し、前記１以上のアクションは、前記シミュレーション動物データの少なくとも一部又はその１以上の派生物の結果として直接的又は間接的に開始される、請求項１に記載の方法。
- 前記システムは、前記１以上のセンサから生成された１以上の外れ値、又は、前記１以上のセンサから生成されたデータに関する１以上の欠測値のうちの少なくとも１つを検出し、かつ、前記１以上の外れ値又は欠測値を１以上の人工データ値に置換する、請求項１に記載の方法。
- 前記１以上の人工値は、生成された値の時系列に整列し、かつ、予め確立された閾値又は範囲内に適合する、請求項４７に記載の方法。
- 前記１以上の人工値は、１以上の入力として少なくとも部分的に使用されて動物データを導出する、請求項４７に記載の方法。
- １以上の健康分類、治療、処置、識別、料率、償還又はサービスが、前記シミュレーション動物データの少なくとも一部又はその１以上の派生物に基づいて直接的又は間接的に、作成、修正又は割り当てられる、請求項１に記載の方法。
- シミュレーション動物データを生成及び分配するシステムであって、前記システムは、
１以上の標的個体に関する情報を受信、保存又は送信する１以上のセンサから少なくとも部分的に得られた実際の動物データの１以上のセットを受け取るステップと、
実際の動物データの少なくとも一部又はその１以上の派生物からシミュレーション動物データを生成するステップであって、前記１以上の標的個体の１以上のパラメータ又は変数が修正される、生成するステップと、
前記シミュレーション動物データをコンピューティングデバイスに提供するステップと、を実行するように動作可能なコンピューティングデバイスを含む、システム。 - １以上のシミュレーションが実行されてシミュレーション動物データを生成する、請求項５１に記載のシステム。
- 訓練されたニューラルネットワークはシミュレーション動物データを生成し、前記訓練されたニューラルネットワークは、前記動物データの少なくとも一部又はその１以上の派生物を用いて訓練される、請求項５１に記載のシステム。
- 前記訓練されたニューラルネットワークはシミュレーションデータの少なくとも一部を用いて訓練される、請求項５３に記載のシステム。
- 前記シミュレーション動物データは：（１）１以上の賭け事がされる又は受け入れられる市場として；（２）１以上の製品を作成、修正、強化、取得、提案又は分配するため；（３）１以上の予測、確率又は可能性を評価、算出、導出、修正、強化又は伝達するため；（４）１以上の戦略を策定するため；（５）１以上のアクションを実行するため；（６）１以上のリスクを軽減又は阻止するため；（７）１以上のアクションを推奨するため；（８）１以上のシミュレーション、計算又は分析で利用される１以上の信号又は測定値として；（９）１以上のシミュレーションの一部として、その出力が１以上のユーザに直接的又は間接的に関与し；（１０）１以上の消費媒体に対する１以上のコアコンポーネント又はサプリメントとして；（１１）１以上のプロモーションで；又は、（１２）それらの組み合わせで、直接的又は間接的に使用される、請求項５１に記載のシステム。
- シミュレーションは、フィットネスアクティビティ、スポーツイベント、健康評価又は保険評価のうちの少なくとも１つに関与する１以上の標的個体に基づいてシミュレーションする、請求項５１に記載のシステム。
- 前記シミュレーション動物データの少なくとも一部又はその１以上の派生物は、１以上の健康処置、サービス、治療、コード、識別、分類、料率、償還又はその組み合わせを作成、修正又は割り当てるために使用される、請求項５１に記載のシステム。
- ユーザは、１以上のシミュレーションのための１以上のパラメータ又は変数を選択し、１以上のシミュレーションが発生し、かつ、１以上のユーザは、対価のために前記シミュレーション動物データの少なくとも一部又はその１以上の派生物を取得する、請求項５１に記載のシステム。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962897064P | 2019-09-06 | 2019-09-06 | |
| US62/897,064 | 2019-09-06 | ||
| US202063027491P | 2020-05-20 | 2020-05-20 | |
| US63/027,491 | 2020-05-20 | ||
| PCT/US2020/049678 WO2021046519A1 (en) | 2019-09-06 | 2020-09-08 | System for generating simulated animal data and models |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2022547461A true JP2022547461A (ja) | 2022-11-14 |
Family
ID=74852613
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022514191A Pending JP2022547461A (ja) | 2019-09-06 | 2020-09-08 | シミュレーション動物データ及びモデルを生成するためのシステム |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US20220323855A1 (ja) |
| EP (2) | EP4299148A3 (ja) |
| JP (1) | JP2022547461A (ja) |
| KR (1) | KR20220051266A (ja) |
| CN (1) | CN114728199A (ja) |
| AU (1) | AU2020343699A1 (ja) |
| BR (1) | BR112022004040A2 (ja) |
| CA (1) | CA3150004A1 (ja) |
| MX (1) | MX2022002692A (ja) |
| WO (1) | WO2021046519A1 (ja) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220051106A1 (en) * | 2020-08-12 | 2022-02-17 | Inventec (Pudong) Technology Corporation | Method for training virtual animal to move based on control parameters |
| US20220147867A1 (en) * | 2020-11-12 | 2022-05-12 | International Business Machines Corporation | Validation of gaming simulation for ai training based on real world activities |
| JP7121893B1 (ja) * | 2021-02-16 | 2022-08-19 | ヘルスセンシング株式会社 | 信号処理装置、信号処理システムおよび信号処理プログラム |
| US11779282B2 (en) * | 2021-05-10 | 2023-10-10 | bOMDIC, Inc. | Method for determining degree of response to physical activity |
| CN114052693B (zh) * | 2021-10-26 | 2023-08-08 | 珠海脉动时代健康科技有限公司 | 心率分析方法、装置及设备 |
| JP7152093B1 (ja) * | 2021-12-14 | 2022-10-12 | キーコム株式会社 | 情報処理装置、情報処理方法、およびプログラム |
| CN114403878B (zh) * | 2022-01-20 | 2023-05-02 | 南通理工学院 | 一种基于深度学习的语音检测疲劳度方法 |
| WO2024081813A1 (en) * | 2022-10-12 | 2024-04-18 | Rosenberg Leon I | Methods, systems, and apparatuses for a game influenced by spectator activity |
| CN116158374A (zh) * | 2022-12-07 | 2023-05-26 | 杭州慧牧科技有限公司 | 家禽智能养殖方法、装置、计算机设备及存储介质 |
| CN117172280B (zh) * | 2023-11-01 | 2024-02-02 | 四川酷盼科技有限公司 | 一种应用于仿生动物中的多源数据处理方法 |
| CN117854012B (zh) * | 2024-03-07 | 2024-05-14 | 成都智慧城市信息技术有限公司 | 一种基于大数据的农作物环境监测方法及系统 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090029769A1 (en) * | 2007-07-27 | 2009-01-29 | Empire Of Sports Developments Ltd. | Controlling avatar performance and simulating metabolism using virtual metabolism parameters |
| US8360835B2 (en) * | 2007-10-23 | 2013-01-29 | I-Race, Ltd. | Virtual world of sports competition events with integrated betting system |
| JP5560845B2 (ja) * | 2010-03-30 | 2014-07-30 | ソニー株式会社 | 情報処理装置、画像出力方法及びプログラム |
| US10632366B2 (en) * | 2012-06-27 | 2020-04-28 | Vincent John Macri | Digital anatomical virtual extremities for pre-training physical movement |
| US11185241B2 (en) * | 2014-03-05 | 2021-11-30 | Whoop, Inc. | Continuous heart rate monitoring and interpretation |
| RU2568957C1 (ru) * | 2014-06-05 | 2015-11-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Оренбургский государственный аграрный университет" | Способ контроля живого веса и физиологического состояния животного |
| US10755466B2 (en) * | 2015-09-21 | 2020-08-25 | TuringSense Inc. | Method and apparatus for comparing two motions |
| US20180036591A1 (en) * | 2016-03-08 | 2018-02-08 | Your Trainer Inc. | Event-based prescription of fitness-related activities |
| US10242443B2 (en) * | 2016-11-23 | 2019-03-26 | General Electric Company | Deep learning medical systems and methods for medical procedures |
| CA3045908A1 (en) * | 2016-12-13 | 2018-06-21 | DeepMotion, Inc. | Improved virtual reality system using multiple force arrays for a solver |
| US20200188732A1 (en) * | 2017-03-29 | 2020-06-18 | Benjamin Douglas Kruger | Wearable Body Monitors and System for Analyzing Data and Predicting the Trajectory of an Object |
| US20190148010A1 (en) * | 2017-11-14 | 2019-05-16 | Samsung Electronics Co., Ltd. | System and method for controlling sensing device |
| US10861170B1 (en) * | 2018-11-30 | 2020-12-08 | Snap Inc. | Efficient human pose tracking in videos |
| US11508087B2 (en) * | 2020-04-27 | 2022-11-22 | Snap Inc. | Texture-based pose validation |
-
2020
- 2020-09-08 EP EP23210085.9A patent/EP4299148A3/en active Pending
- 2020-09-08 MX MX2022002692A patent/MX2022002692A/es unknown
- 2020-09-08 KR KR1020227011035A patent/KR20220051266A/ko unknown
- 2020-09-08 US US17/251,092 patent/US20220323855A1/en active Pending
- 2020-09-08 WO PCT/US2020/049678 patent/WO2021046519A1/en unknown
- 2020-09-08 JP JP2022514191A patent/JP2022547461A/ja active Pending
- 2020-09-08 EP EP20861548.4A patent/EP4025311A4/en active Pending
- 2020-09-08 CA CA3150004A patent/CA3150004A1/en active Pending
- 2020-09-08 CN CN202080076862.6A patent/CN114728199A/zh active Pending
- 2020-09-08 AU AU2020343699A patent/AU2020343699A1/en active Pending
- 2020-09-08 BR BR112022004040A patent/BR112022004040A2/pt unknown
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220051266A (ko) | 2022-04-26 |
| BR112022004040A2 (pt) | 2022-05-24 |
| US20220323855A1 (en) | 2022-10-13 |
| AU2020343699A1 (en) | 2022-04-14 |
| CA3150004A1 (en) | 2021-03-11 |
| EP4025311A4 (en) | 2024-01-03 |
| MX2022002692A (es) | 2022-04-11 |
| WO2021046519A1 (en) | 2021-03-11 |
| EP4299148A2 (en) | 2024-01-03 |
| EP4299148A3 (en) | 2024-03-27 |
| CN114728199A (zh) | 2022-07-08 |
| EP4025311A1 (en) | 2022-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220323855A1 (en) | System for generating simulated animal data and models | |
| US20230111811A1 (en) | Hearing and monitoring system | |
| US20230034337A1 (en) | Animal data prediction system | |
| US20180344215A1 (en) | Automated health data acquisition, processing and communication system and method | |
| JP2022095887A (ja) | 自動健康データ取得、処理および通信システムならびに方法 | |
| US20230033102A1 (en) | Monetization of animal data | |
| WO2023039247A1 (en) | System and method for collecting. evaluating, and transforming animal data for use as digital currency or collateral | |
| CA3220063A1 (en) | Method and system for generating dynamic real-time predictions using heart rate variability | |
| CN113710152A (zh) | 生物数据跟踪系统和方法 | |
| US20230404038A1 (en) | Animal data compliance system and method | |
| US20240212845A1 (en) | Animal data-based identification and recognition system and method | |
| WO2022232268A1 (en) | Animal data-based identification and recognition system and method | |
| AU2022387582A1 (en) | A system and method for intelligently selecting sensors and their associated operating parameters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230904 |