SensibleSleep：一种从智能手机事件中学习睡眠模式的贝叶斯模型
计算机与社会
2017-02-08 v1
摘要
我们提出了一种从智能手机事件中提取睡眠模式的贝叶斯模型。我们的方法能够识别个体的每日睡眠时段及其随时间的演变，并提供入睡与觉醒转换概率的估计。该模型对来自两个不同数据集的超过 400 名参与者进行了拟合，并根据专用臂带睡眠追踪器的真值（ground truth）对结果进行了验证。我们表明，该模型能够在个体和群体层面上以 0.89 的准确率产生可靠的睡眠估计。此外，该贝叶斯模型能够量化不确定性并编码关于睡眠模式的先验知识。与现有的基于智能手机的系统相比，我们的方法仅需要屏幕开关事件，因此在隐私方面侵入性小得多，且更省电。
引用
@article{arxiv.1608.06108,
title = {SensibleSleep: A Bayesian Model for Learning Sleep Patterns from Smartphone Events},
author = {Andrea Cuttone and Per Bækgaard and Vedran Sekara and Håkan Jonsson and Jakob Eg Larsen and Sune Lehmann},
journal= {arXiv preprint arXiv:1608.06108},
year = {2017}
}