来自实验数据的竞技式北欧漫步中无监督可解释活动预测
机器学习
2024-06-19 v1 人工智能
人机交互
摘要
人工智能已在人类活动识别（HAR）中应用于竞技体育。目前大多数机器学习方法都依赖离线（批处理）训练，相较于在线处理方法，计算和标注负担更大。此外，传统机器学习预测器的决策过程不透明，需要人类解释。在本工作中，我们应用了基于低成本可穿戴惯性测量单元（IMU）的在线处理无监督聚类方法。系统产生的结果允许自动扩展有限标注（例如由裁判提供）在这些簇中的标记，为可解释分类阶段提供相关信息。具体而言，我们的工作旨在实现与运动员活动相关预测的自动可解释性，区分正确、错误和作弊实践在北欧漫步中。该解决方案在平均性能指标上接近100%。
引用
@article{arxiv.2406.12762,
title = {Unsupervised explainable activity prediction in competitive Nordic Walking from experimental data},
author = {Silvia García-Méndez and Francisco de Arriba-Pérez and Francisco J. González-Castaño and Javier Vales-Alonso},
journal= {arXiv preprint arXiv:2406.12762},
year = {2024}
}