基于可穿戴设备的活动感知深度认知疲劳评估
信号处理
2021-05-07 v1 机器学习
多媒体
摘要
认知疲劳一直是劳动者中的常见问题,自 COVID-19 作为全球大流行病出现以来,这一问题已成为日益严重的全球性问题。虽然现有的多模态可穿戴传感器辅助自动认知疲劳监测工具侧重于特定人群(如游戏玩家、运动员、建筑工人)的身体和生理传感器(ECG、PPG、Actigraphy)分析,但由于不同人的生理反应不同,活动感知至关重要。本文提出一种新颖的框架,即活动感知循环神经网络(Activity-Aware Recurrent Neural Network, AcRoNN),它能够泛化个体活动识别并显著改善认知疲劳估计。我们使用从一个包含 5 人的实时采集数据集和另一个包含 27 人的公开数据集评估并与 state-of-the-art 方法进行比较,取得了最高 19% 的提升。
引用
@article{arxiv.2105.02824,
title = {Activity-Aware Deep Cognitive Fatigue Assessment using Wearables},
author = {Mohammad Arif Ul Alam},
journal= {arXiv preprint arXiv:2105.02824},
year = {2021}
}
备注
Submitted to EMBC