利用嵌入式设备上的超维计算增强经皮酒精水平检测
机器学习
2024-03-20 v1
摘要
饮酒对个人健康有显著影响，当饮酒过量时后果更为严重。推广更健康饮酒习惯的一种方法是实施即时干预，即在大量饮酒期间发送提示醉酒的及时通知。然而，干预机制的复杂性或侵入性可能会阻碍个人在实践中使用它们。先前的研究利用收集的运动数据和传统机器学习（ML）算法来分类大量饮酒事件，但其准确性和移动设备上的计算效率均不实用。因此，我们选择使用超维计算（HDC）来设计一种适用于智能手机、智能可穿戴设备和物联网部署的即时干预方法。HDC 是一个在高效处理实时传感器数据方面已取得验证成果的框架。这种方法具有低延迟、最小功耗和高并行性等多项优势。我们探索了各种 HDC 编码设计，并将其与多种 HDC 学习模型相结合，以创建一种对移动设备而言最优且可行的方法。我们的研究结果表明，准确率达到 89%，比当前最先进水平大幅提高了 12%。
引用
@article{arxiv.2403.12323,
title = {Enhanced Detection of Transdermal Alcohol Levels Using Hyperdimensional Computing on Embedded Devices},
author = {Manuel E. Segura and Pere Verges and Justin Tian Jin Chen and Ramesh Arangott and Angela Kristine Garcia and Laura Garcia Reynoso and Alexandru Nicolau and Tony Givargis and Sergio Gago-Masague},
journal= {arXiv preprint arXiv:2403.12323},
year = {2024}
}