Feb, 2022

更少更好 (M2L): 佩戴式传感器降维增强的野外健康识别

PDF
TL;DR本文提出了一种更为有效的 M2L 学习框架来减少传感器数量，并利用多种模式的补充信息，通过设计模型来加强模式之间的协作，以便更好地表征每种模式，以提高诊断性能。实验结果表明，该框架可以获得与使用全部模式时类似的性能。
wearable datasensorshealth-related conditionsm2l learning frameworkinformation fusion
发现论文，激发创造
  • 多模态传感器数据选择性关注分类

    通过将传感器数据分类任务转化成游戏，并引入深度强化学习和注意力机制，我们建立了一个具有竞争力的分类器，该分类器适用于具有复杂情况的应用领域，如医疗保健和娱乐等。

    Apr, 2018

  • 可穿戴活动识别的单模态和多模态传感器融合

    综合不同的感知模态与多个位置有助于形成对人类行为等复杂情况的统一感知和理解，因此，人类活动识别受益于综合冗余和互补信息（单模态 / 多模态）。然而，这并不是一项容易的任务，它需要多学科的方法，包括传感器技术、信号处理、数据融合算法和领域特定知识。本博士研究使用惯性、压力（音频和大气压力）和纺织电容感应等感知模型进行人类活动识别。所探索的场景包括手势和手部位置跟踪、面部和头部模式识别以及身体姿势和手势识别。所选择的可穿戴设备和感知模型完全集成了基于机器学习的算法，其中一些实现在嵌入式设备上，并在实时环境中进行了测试。

    Apr, 2024

  • 人体动作识别中对比式左右可穿戴传感器 (IMUs) 一致性匹配

    利用机器学习算法的自我学习和传感器数据的对比匹配，可以解决实际数据标注的瓶颈问题，提高人体活动识别系统的性能。

    Nov, 2023

  • 多模态可佩戴传感器人体动作识别调查

    结合增加的预期寿命和下降的出生率导致人口老龄化问题，可穿戴传感器技术的人体活动识别成为一种有着巨大潜力的辅助技术来支持老年人的日常生活，近期的研究聚焦于深度学习方法或单一传感器模态，为了给机器带来类似的智能，多模态机器学习成为研究者们热衷的领域之一，本研究从新颖的视角对多模态学习在可穿戴传感器技术的人体活动识别领域的应用进行全面调查，包括探索最近的传感器模态和深度学习方法，研究目前的多模态系统的技术，以及解决现有问题的多模态学习方法，同时连接其他领域的多模态文献与当前的可穿戴传感器技术的人体活动识别领域，最后识别出当前领域的挑战和潜在研究方向以进一步提升该技术的性能。

    Apr, 2024

  • DOCTOR: 基于可穿戴医疗传感器的多疾病检测持续学习框架

    本文提出了基于可穿戴医疗传感器的、适用于多病种的连续学习框架 DOCTOR，采用多头深度神经网络和举例回放样式的连续学习算法，实现智能医疗领域中多疾病检测任务的高效处理。

    May, 2023

  • 基于可穿戴设备的弱监督多任务表示学习人类活动分析

    我们提出了一种使用弱监督多输出连体网络的方法，该方法能够学习将数据映射到多个表示空间上，从而能够同时解决多个任务，并在许多情况下胜过单任务监督方法。

    Aug, 2023

  • 潜在表征空间中的多模态传感器融合

    提出了一种基于多模态生成模型的传感器融合方法，该方法应用于多模态融合实验（如多感官分类，去噪和从子采样观测中恢复）。

    Aug, 2022

  • 基于 TimeMAE-PFM 的可穿戴场景下多模态体能监测框架

    本研究论文提出了一种基于改进的 TimeMAE 的多模态 PFM 框架，通过将时间序列数据压缩为低维潜在空间并集成自增强注意力模块，实现了对物理健康状态的有效监测，为实时和个性化评估提供了解决方案。该方法通过使用 NHATS 数据集进行验证，结果显示准确率达到 70.6%，AUC 达到 82.20%，超过其他最先进的时间序列分类模型。

    Mar, 2024

  • 应用神经网络机器学习算法提高医疗数据性能评价指标

    这篇论文利用机器学习分析健康数据传输的准确度和效率来克服传输数据量和设备电池寿命的折中问题，结果表明 Levenbery-Marquardt 算法是最佳表现者之一，其精度为 79.17％，效率为 3.33，证明了机器学习可以在高效率的基础上，不牺牲精度而提高健康数据传输的效率。

    Jan, 2022

  • 5G 及更高版本的调制和无线信号分类的多任务学习方法：通过模型压缩实现边缘部署

    本文提出了一种基于深度神经网络的多任务学习 (MTL) 框架，同时学习调制和信号识别任务，考虑到电磁频谱中的多样性无线信号，该框架能有效地提高分类准确性和学习效率，适用于资源受限的嵌入式电台平台，并提供了广泛的异构无线信号数据集。

    Feb, 2022