wearable sensors | BriefGPT

关键词wearable sensors

搜索结果 - 44

时域多尺度稀疏自注意力在体能活动数据填补中的应用
研究通过一种基于领域知识的稀疏自注意力模型，对缺失的步数数据进行填补，以衡量该模型相对于基准模型的性能并进行消融研究。
PDF5 days ago
步态运动：一种用于病态步态预测的多任务数据集
利用可穿戴传感器捕捉患者的实时运动，为步幅 / 步长分割和步幅 / 步长长度预测等多个任务提供了大量的真实标签，从而增强研究人员对与神经系统障碍相关的步态紊乱的整体理解，并为医疗产品、法医技术和生物力学研究等领域提供了有益的数据资源。
PDF2 months ago
应用可穿戴传感器测量的步态周期数据进行帕金森病早期检测的综合深度学习框架：CNN-GRU-GNN 方法
我们提出了一种深度学习模型，利用步态周期数据集实现对帕金森病的二分类早期检测，通过使用 1D - 卷积神经网络（CNN）、门控循环单元（GRU）和图神经网络（GNN）层，协同地捕捉数据中的时序动态和空间关系，从而实现了非凡的性能表现，准确率
PDF3 months ago
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
PDF3 months ago
利用深度学习进行时空步态数据的价值预测
使用深度学习分析运动行为数据，我们探索短距离和长距离的预测，并证明其在医学诊断、治疗过程监测以及其他应用领域的潜力。
PDF4 months ago
可穿戴设备中推进无关位置和设备的运动活动识别
我们通过对多个传感器位置的全面评估，确定了建立位置不变模型的关键身体部位，并开发了可部署的设备内动作模型，实现了 91.41％的帧级 F1 得分。我们还研究了不同位置数据的合成，以减轻数据收集任务的负担，从而推进低门槛、位置不变的活动识别系
PDF5 months ago
DS-MS-TCN: 用双尺度多阶段时间卷积网络的奥塔哥锻炼识别
通过在日常生活中采用单个腰部佩戴惯性测量单元（IMU）来识别社区中老年人进行 Otago 运动项目（OEP）锻炼，使用双尺度多阶段时间卷积网络（DS-MS-TCN）模型实现了基于序列的两级分类，超过现有深度学习模型，在评估的四个锻炼中实现了
PDF5 months ago
基于惯性的人体活动识别的时间动作定位
该论文首次系统地展示了最新的 TAL 模型在使用原始惯性数据作为输入进行可穿戴式人体活动识别（HAR）方面的适用性，并利用 4 个可穿戴活动识别基准数据集证明这些模型在 F1 分数上的提高幅度可达 25%。通过引入 TAL 社区的最流行度量
PDF7 months ago
ZzzGPT: 提升睡眠质量的交互式 GPT 方法
本文通过引入基于大型语言模型（LLM）的两阶段框架，结合 GLOBEM 数据集和 XGBoost 等模型，研究技术在理解睡眠模式方面的作用，以提供准确的睡眠预测和可行的反馈，从而改善智能可穿戴设备在睡眠监测中用户的参与度。
PDF8 months ago
一种抑郁症分类的混合方法：基于运动活动信号的随机森林 - 人工神经网络集成
通过使用可穿戴传感器和机器学习方法，研究提出了一种名为混合随机森林 - 神经网络的算法，用于评估抑郁症患者的传感器数据。该算法在包括难治性和双极性抑郁症患者以及健康对照组的特殊数据集上的准确率达到 80％，为精神健康诊断领域做出了重要贡献。
PDF9 months ago
使用单一 IMU 和分层机器学习模型对老年人进行奥塔哥运动监测
通过使用腰部佩戴的惯性测量单元 (IMU) 进行数据收集，并采用深度学习模型，本研究提出了一个无障碍且准确的系统来监测老年人的 Otago 运动计划。研究结果表明，在实验室和家庭环境中，使用单个 IMU 可以对 Otago 运动计划及其子类
PDF9 months ago
传感器数据下的人体活动识别概述
人体活动识别（HAR）是一项基础研究领域，已经在家庭与职场自动化、安全监控以及医疗保健等多个应用中得到应用。本文综述了基于传感器的 HAR，讨论了依赖于 HAR 的几个重要应用，并介绍了 HAR 中常用的机器学习方法，同时探讨了 HAR 存
PDF10 months ago
制造生产线工人活动识别方法的近身电场应用
本文介绍了一种新颖的可穿戴传感原型，将 IMU 和体电容传感模块结合起来，用于识别制造业中工人的行为。我们提出并比较了早期和晚期传感器数据融合方法，针对多通道时间序列卷积神经网络和深度卷积 LSTM 模型。通过使用我们提出的传感原型和苹果手
PDFa year ago
可穿戴传感器与视频数据捕捉用于人体运动分类的研究
本文比较了基于惯性测量单元 (IMU) 和基于视频的方法在军事按压和划船运动的人体运动分类中的表现，发现单个摄像头能比单个 IMU 提高 10 个百分点的分类准确率，而至少需要 3 个 IMU 才能超越单个摄像头。同时，使用基于多变量时间序
PDFa year ago
KDD利用 Hawkes 点过程从大规模无标签可穿戴时间序列数据流中学习例行事务的行为表示
利用穿戴式传感器采集的生物行为数据，提出了一种新的无标签穿戴式时间序列挖掘框架（HOT-ROD），用于发现行为习惯，并验证了该方法在提取行为习惯方面的实用性。
PDFa year ago
用于监测精神疲劳的传感器和系统：系统综述
本文综述了心理疲劳的理论模型、关键的技术手段和最新的人类疲劳生物传感技术，发现 EEG 传感器能够提供对疲劳检测的中等到良好的灵敏度，并讨论了可穿戴 EEG 以及环境传感器相互融合在实时监测方面的关键性作用和未来的发展方向。
PDFa year ago
QuestEnvSim：基于环境感知的稀疏传感器模拟运动跟踪
使用强化学习相结合的物理模拟和环境观察，可以在高度约束的环境中生成逼真的全身姿势，从而避免接触的干扰。
PDFa year ago
关于可穿戴传感器自主回忆活动注释的经验研究
通过比较用户驱动的现场注释和回忆方法使用的四种不同常见注释方法的实证研究，结合展示活动日记和可视化工具，降低了缺失注释和提高了注释一致性，从而提高了深度学习模型的 F1 值约 8％。
PDFa year ago
面向个性化压力监测的主动强化学习在日常环境中的应用
本文提出了一种上下文感知的主动学习策略，并开发了一个多层传感器边缘云平台，以捕获生理信号并即时处理，以及收集标签并重新训练检测模型。结果表明，所提出的上下文感知主动学习技术相对于基于随机策略和传统主动学习策略，在使用者查询方面分别减少 88
PDFa year ago
利用可穿戴传感器和机器学习进行水果采摘活动识别
本文提出一种基于佩戴式传感器生成的时间序列数据的水果采摘者活动检测应用。通过使用人体活动识别以及机器学习方法检测袋子倒空事件，以便实现对采摘装置的管理并减少水果在室外暴露时间。测试结果显示，所提出的深度卷积神经网络可以在真实数据集上达到 8
PDFa year ago