我适合这项身体活动吗？基于惯性传感器的体能状态神经嵌入
机器学习
2021-08-23 v2 人工智能
摘要
惯性测量单元（IMU）传感器存在于智能手机和健身手表等日常设备中。因此，利用此类数据的健康相关研究与应用不断增多，但针对个体在进行身体活动时由 IMU 数据预测心率（HR）的关注甚少。这甚至可能吗？如果可行，例如可用于设计个性化的有氧运动方案。本工作中，我们表明使用循环神经网络从 IMU 数据获得准确的心率预测是可行的，仅需访问先前短时活动中记录的 HR 与 IMU 数据。我们提出一种初始化 RNN 隐藏状态向量的新方法，使用专门网络试图提取受试者的体能状态嵌入（PCE）。我们表明在训练阶段使用判别器帮助模型学习两个 PCE 是否属于同一人，可进一步降低预测误差。我们在公开数据集（PAMAP2、PPG-DaLiA）上评估所提模型对 23 名受试者执行多种身体活动时的 HR 预测。作为对比，我们使用专为该任务提出的唯一模型以及针对密切相关任务——人类活动识别（HAR）的先进自适应模型作为基线。我们的方法 PCE-LSTM 产生了超过 10% 更低的绝对平均误差。我们经实验证明该误差降低部分源于 PCE 的使用。最后，我们使用两个数据集（PPG-DaLiA、WESAD）表明，当光电容积描记（PPG）传感器可用时，PCE-LSTM 也能成功应用，比最先进的深度学习基线高出 30% 以上。
引用
@article{arxiv.2103.12095,
title = {Am I fit for this physical activity? Neural embedding of physical conditioning from inertial sensors},
author = {Davi Pedrosa de Aguiar and Fabricio Murai},
journal= {arXiv preprint arXiv:2103.12095},
year = {2021}
}
备注
To be published in 10th Brazilian Conference on Intelligent Systems, BRACIS 2021