PulseAugur
中
实时 04:50:56
English(EN) Autoencoder Architectures for Athlete Performance Scoring from Wearable Telemetry

自编码器可有效评估可穿戴数据中的运动员表现

作者 PulseAugur 编辑部 · [1 个来源] ·

本文研究了各种自编码器架构在将跑者的复杂可穿戴遥测数据压缩为单一表现分数方面的有效性。研究人员评估了五种降维模型，包括三种自编码器变体、PCA 和变分自编码器，并根据重建误差和所得潜在分数的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分数方面表现最佳，表明其适用于运动员表现分析。 AI

影响 这项研究展示了一种从原始可穿戴数据中提取有意义的表现指标的方法，有可能改善运动员的训练和分析。

排序理由 该集群包含一篇详细介绍新模型架构及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

自编码器可有效评估可穿戴数据中的运动员表现

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Krzysztof Siwek ·

    用于可穿戴遥测数据的运动员表现评分的自编码器架构

    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,…

相关实体

相关话题