近年來，許多設(shè)備都配備了慣性測量單元 (IMU) 傳感器。他們的數(shù)據(jù)已用于各種與健身相關(guān)的應(yīng)用，例如，用于人類活動識別。最近的一篇論文建議使用 IMU 數(shù)據(jù)來建模和預(yù)測個人心率。該預(yù)測可用于確定哪些活動對人是安全的。

該方法使用從之前的短暫活動中收集的給定 IMU 和心率數(shù)據(jù)。卷積神經(jīng)網(wǎng)絡(luò)提取向量，這些向量攜帶有關(guān)傳感器測量值與心率之間關(guān)系的信息。一個長短期記憶網(wǎng)絡(luò)然后預(yù)測心率。建議的方法產(chǎn)生的平均絕對誤差比其基線低 10%。此外，該方法還可用于根據(jù)光體積描記數(shù)據(jù)估計心率。在這種情況下，IMU 數(shù)據(jù)用作校正測量誤差的附加數(shù)據(jù)源。

慣性測量單元 (IMU) 傳感器在智能手機(jī)、健身手表等日常設(shè)備中變得越來越普遍。 因此，利用這些數(shù)據(jù)的一系列與健康相關(guān)的應(yīng)用程序一直在增長，設(shè)計的重要性人類活動識別 (HAR) 等任務(wù)的準(zhǔn)確預(yù)測模型。然而，一項(xiàng)鮮為人知的重要任務(wù)是使用 IMU 數(shù)據(jù)預(yù)測進(jìn)行體力活動時的個人心率。例如，這可以用于確定哪些活動對一個人是安全的，而無需他/她實(shí)際執(zhí)行這些活動。我們?yōu)檫@項(xiàng)由卷積層和 LSTM 層組成的任務(wù)提出了一種神經(jīng)架構(gòu)，類似于 HAR 密切相關(guān)任務(wù)的最新技術(shù)。然而，我們的模型包括一個卷積網(wǎng)絡(luò)，該網(wǎng)絡(luò)基于來自先前執(zhí)行的活動的傳感器數(shù)據(jù)，提取個人的物理?xiàng)l件嵌入 (PCE)，用作 LSTM 的初始隱藏狀態(tài)。我們評估了所提出的模型，稱為 PCE-LSTM，在根據(jù)公共數(shù)據(jù)集(PAMAP2、PPG-DaLiA)中可用的 IMU 傳感器數(shù)據(jù)預(yù)測 23 名進(jìn)行各種體育活動的受試者的心率時。為了進(jìn)行比較，我們使用專門為此任務(wù)提出的唯一模型作為基線，并使用適用于 HAR 的最先進(jìn)的模型。PCE-LSTM 的平均絕對誤差降低了 10% 以上。我們憑經(jīng)驗(yàn)證明這種錯誤減少部分是由于使用了 PCE。最后，我們使用兩個數(shù)據(jù)集(PPG-DaLiA，

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！