論文の概要: Physical Exercise Recommendation and Success Prediction Using Interconnected Recurrent Neural Networks

• arxiv url: http://arxiv.org/abs/2010.00482v2
• Date: Wed, 27 Jan 2021 20:04:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 07:01:19.322645
• Title: Physical Exercise Recommendation and Success Prediction Using Interconnected Recurrent Neural Networks
• Title（参考訳）: 相互接続型リカレントニューラルネットワークによる身体運動勧告と成功予測
• Authors: Arash Mahyari, Peter Pirolli
• Abstract要約: 個別の成功率も予測するエクササイズレコメンデーションシステムを提案する。 2つの相互接続型リカレントニューラルネットワーク(RNN)で構成されるこのシステムは、トレーニング履歴を使用して、各個人に対して次のワークアウトアクティビティを推奨する。
• 参考スコア（独自算出の注目度）: 7.043531451435605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unhealthy behaviors, e.g., physical inactivity and unhealthful food choice, are the primary healthcare cost drivers in developed countries. Pervasive computational, sensing, and communication technology provided by smartphones and smartwatches have made it possible to support individuals in their everyday lives to develop healthier lifestyles. In this paper, we propose an exercise recommendation system that also predicts individual success rates. The system, consisting of two inter-connected recurrent neural networks (RNNs), uses the history of workouts to recommend the next workout activity for each individual. The system then predicts the probability of successful completion of the predicted activity by the individual. The prediction accuracy of this interconnected-RNN model is assessed on previously published data from a four-week mobile health experiment and is shown to improve upon previous predictions from a computational cognitive model.
• Abstract（参考訳）: 不健康な行動、例えば、身体的不活性と不健康な食品選択は、先進国の主要な医療コスト要因である。 スマートフォンやスマートウォッチが提供する広く普及する計算、センシング、コミュニケーション技術により、日常生活の中で個人が健康なライフスタイルを育むことができるようになった。 本稿では,個人の成功率を予測する運動推薦システムを提案する。 2つの相互接続型リカレントニューラルネットワーク(RNN)で構成されるこのシステムは、トレーニング履歴を使用して、各個人に対して次のワークアウトアクティビティを推奨する。 システムは、予測された活動が完了した確率を個人によって予測する。 この相互接続型rnnモデルの予測精度は、4週間のモバイルヘルス実験から得られたデータに基づいて評価され、計算認知モデルによる予測を改善することが示されている。

関連論文リスト

• Value Prediction for Spatiotemporal Gait Data Using Deep Learning [0.19972837513980318]
  我々は、時系列時間歩行データの価値予測へのディープラーニングの適用を拡大する。 その結果,短距離予測は 0.060675 以下であり,長距離予測は 0.106365 以下であった。 提案したカスタマイズされたモデルでは,転倒予測,家庭内進捗監視,外骨格運動の支援,認証など,付加的なアプリケーションに対して,価値予測がオープンな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-02-29T18:30:13Z)
• Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
  EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。 深層学習は、医療を含む様々な応用においてその優位性を示している。
  論文  参考訳（メタデータ） (2024-02-02T00:31:01Z)
• Predicting Infant Brain Connectivity with Federated Multi-Trajectory GNNs using Scarce Data [54.55126643084341]
  既存のディープラーニングソリューションには,3つの大きな制限がある。 我々はフェデレートグラフベースの多軌道進化ネットワークであるFedGmTE-Net++を紹介する。 フェデレーションの力を利用して、限られたデータセットを持つ多種多様な病院の地域学習を集約する。
  論文  参考訳（メタデータ） (2024-01-01T10:20:01Z)
• Neuroformer: Multimodal and Multitask Generative Pretraining for Brain Data [3.46029409929709]
  最先端のシステム神経科学実験は大規模なマルチモーダルデータを生み出し、これらのデータセットは分析のための新しいツールを必要とする。 視覚領域と言語領域における大きな事前学習モデルの成功に触発されて、我々は大規模な細胞分解性神経スパイクデータの解析を自己回帰生成問題に再構成した。 我々はまず、シミュレーションデータセットでNeuroformerを訓練し、本質的なシミュレートされた神経回路の動作を正確に予測し、方向を含む基盤となる神経回路の接続性を推定した。
  論文  参考訳（メタデータ） (2023-10-31T20:17:32Z)
• tdCoxSNN: Time-Dependent Cox Survival Neural Network for Continuous-time Dynamic Prediction [19.38247205641199]
  本研究では,時間依存型Coxサバイバルニューラルネットワーク(tdCoxSNN)を提案する。 提案手法と共同モデリングおよびランドマーク手法を広範囲なシミュレーションにより評価・比較する。
  論文  参考訳（メタデータ） (2023-07-12T03:03:40Z)
• Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
  パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。 このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。 我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
  論文  参考訳（メタデータ） (2023-05-12T17:37:04Z)
• UBIWEAR: An end-to-end, data-driven framework for intelligent physical activity prediction to empower mHealth interventions [3.4483987421251516]
  UBIWEARは知的身体活動予測のためのエンドツーエンドフレームワークである。 我々の最良のモデルは1087ステップのMAEを達成し、絶対誤差の点で最先端の65%以下である。
  論文  参考訳（メタデータ） (2022-12-30T14:18:39Z)
• A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
  アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。 本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。 本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
  論文  参考訳（メタデータ） (2022-11-16T20:00:38Z)
• SANSformers: Self-Supervised Forecasting in Electronic Health Records with Attention-Free Models [48.07469930813923]
  本研究は,医療施設への患者訪問数を予測することにより,医療サービスの需要を予測することを目的とする。 SNSformerは、特定の帰納バイアスを設計し、EHRデータの特異な特徴を考慮に入れた、注意のない逐次モデルである。 本研究は, 各種患者集団を対象とした医療利用予測の修正における, 注意力のないモデルと自己指導型事前訓練の有望な可能性について考察した。
  論文  参考訳（メタデータ） (2021-08-31T08:23:56Z)
• Predicting cognitive scores with graph neural networks through sample selection learning [0.0]
  機能的脳コネクトームは知能商(IQ)スコアなどの認知的指標を予測するために用いられる。 脳の接続からIQスコアを予測するための新しい回帰GNNモデル(RegGNN)を設計する。 また,最も予測力の高いトレーニングサンプルの選定方法を学ぶことを目的とした,emphlearningに基づくサンプル選択手法を提案する。
  論文  参考訳（メタデータ） (2021-06-17T11:45:39Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。