体力活动对睡眠的影响：基于深度学习的探索
机器学习
2017-05-10 v1
摘要
睡眠对于维持身体、情感和心理健康至关重要。尽管已知睡眠与体力活动之间的关系很重要，但目前尚未完全理解。体动记录仪和可穿戴设备的普及为理解这一关系提供了独特的机会。利用这一信息源需要开发新工具，以促进睡眠和活动患者建议的数据驱动研究。在本文中，我们探索使用深度学习基于体动记录仪数据构建睡眠质量预测模型。我们首先将深度学习作为纯粹的建模工具，对原始传感器数据执行人类活动识别（HAR），并使用深度学习构建睡眠预测模型。我们将深度学习模型与使用经典方法构建的模型进行比较，即逻辑回归、支持向量机、随机森林和 adaboost。其次，我们利用深度学习处理高维数据集的能力。我们在未执行 HAR 或任何其他特征提取的情况下，直接在原始可穿戴传感器输出上探索了几种深度学习模型。我们的结果表明，在原始可穿戴设备输出上使用卷积神经网络，将基于体力活动的睡眠质量预测值相比 state-of-the-art 的非深度学习方法额外提高了 8%，而后者本身比现有实践提高了 15%。此外，在原始数据上利用深度学习消除了数据预处理的需要，并简化了分析体动记录仪数据以进行睡眠和体力活动研究的整体工作流程。
引用
@article{arxiv.1607.07034,
title = {Impact of Physical Activity on Sleep:A Deep Learning Based Exploration},
author = {Aarti Sathyanarayana and Shafiq Joty and Luis Fernandez-Luque and Ferda Ofli and Jaideep Srivastava and Ahmed Elmagarmid and Shahrad Taheri and Teresa Arora},
journal= {arXiv preprint arXiv:1607.07034},
year = {2017}
}