用于智能床中普适 BMI 估计与身份识别的深度多任务学习
信号处理
2024-07-11 v1 机器学习
摘要
物联网（IoT）范式中的智能设备为持续监测生物特征和健康信息提供了多种无干扰且普适的手段。此外，通过此类智能系统进行的自动化个性化和身份验证可以带来更好的用户体验和安全性。本文探讨了通过使用智能床的统一机器学习框架，同步估计和监测体质指数（BMI）以及用户身份识别。为此，我们利用集成在床垫上的基于纺织物的传感器阵列收集的压力数据，通过深度多任务神经网络估计受试者的 BMI 值并在不同姿势下对其身份进行分类。首先，我们对数据进行滤波并提取 14 个特征，随后在两个不同的公开数据集上使用深度神经网络进行 BMI 估计和受试者识别。最后，我们证明了我们提出的解决方案以显著优势优于先前的工作和几种机器学习基准，同时在 10 折交叉验证方案中估计用户的 BMI。
引用
@article{arxiv.2006.10453,
title = {Deep Multitask Learning for Pervasive BMI Estimation and Identity Recognition in Smart Beds},
author = {Vandad Davoodnia and Monet Slinowsky and Ali Etemad},
journal= {arXiv preprint arXiv:2006.10453},
year = {2024}
}
备注
This is a pre-print of an article published in journal of Ambient Intelligence and Humanized Computing. The final authenticated version is available online at: https://doi.org/10.1007/s12652-020-02210-9