本文探讨了使用自编码器架构将跑者复杂的穿戴遥测数据简化为单一表现评分。研究人员评估了五种降维模型，包括三种自编码器变体和PCA，并根据重建误差和所得潜在评分的可解释性对其进行了评估。研究发现，深度自编码器在低重建误差和高综合可解释性评分方面表现最佳，其中跑步配速、有氧耦合和平均心率被确定为潜在评分的关键驱动因素。 AI
影响 这项研究可能为使用可穿戴技术的运动员带来更复杂的表现分析工具。
排序理由 该集群包含一篇详细介绍新颖数据分析方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.28145v1 Announce Type: new Abstract: Wearable devices produce large, high dimensional training logs for everyday runners, and interpretation rather than data collection is now the limiting step. This paper evaluates five dimensionality reduction models, three autoencod…
Wearable devices produce large, high dimensional training logs for everyday runners, and interpretation rather than data collection is now the limiting step. This paper evaluates five dimensionality reduction models, three autoencoder variants, PCA, and a Variational Autoencoder,…