序列过程的进度估计与阶段检测
机器学习
2017-07-18 v3 人机交互
摘要
过程建模与理解是高级人机界面和自动化系统的基础。近期研究大多集中于活动识别，但基于传感器的过程进度检测却鲜有涉及。我们引入了一个基于传感器的实时系统，用于建模、识别和估计工作过程的进度。我们实现了一种多模态深度学习结构，从多个传感输入中提取相关的时空特征，并使用一种新颖的深度回归结构进行整体完成度估计。结合高斯混合模型的过程完成度估计，我们的系统能够预测序列过程的阶段。利用完成度估计计算的执行速度，可在线估计剩余时间。为训练系统，我们引入了一种新颖的修正双曲正切（rtanh）激活函数和条件损失。我们在医疗过程（创伤复苏）和体育赛事（奥运会游泳比赛）数据上测试了该系统。在创伤复苏阶段检测中，我们的系统优于现有方法，阶段检测准确率超过 86%，F1 分数为 0.67，完成度估计误差低于 12.6%，剩余时间估计误差小于 7.5 分钟。在奥运会游泳数据集上，系统准确率达到 88%，F1 分数为 0.58，完成度估计误差为 6.3%，剩余时间估计误差为 2.9 分钟。
引用
@article{arxiv.1702.08623,
title = {Progress Estimation and Phase Detection for Sequential Processes},
author = {Xinyu Li and Yanyi Zhang and Jianyu Zhang and Yueyang Chen and Shuhong Chen and Yue Gu and Moliang Zhou and Richard A. Farneth and Ivan Marsic and Randall S. Burd},
journal= {arXiv preprint arXiv:1702.08623},
year = {2017}
}
备注
Accepted by IMWUT/Ubicomp 2017