基于智能手机日常活动识别的能耗估计
计算机与社会
2020-09-09 v1 人工智能
机器学习
摘要
本文提出了一种以非侵入方式估计个体实时能耗的三步系统。首先，利用用户的智能手机传感器，我们构建决策树模型以识别其身体活动（跑步、站立等）。然后，我们使用检测到的身体活动、时间和用户速度，通过强化学习环境——部分可观测马尔可夫决策过程框架——推断其日常活动（看电视、去洗手间等）。一旦识别出日常活动，我们利用身体活动汇编将此类信息转化为能耗。通过以 90% 准确率成功检测 8 种身体活动，我们在识别 17 种不同日常活动上达到了 80% 的总体准确率。该结果使我们能以相对于预期估计 26% 的平均误差估计用户的能耗。
引用
@article{arxiv.2009.03681,
title = {Energy Expenditure Estimation Through Daily Activity Recognition Using a Smart-phone},
author = {Maxime De Bois and Hamdi Amroun and Mehdi Ammi},
journal= {arXiv preprint arXiv:2009.03681},
year = {2020}
}