PulseAugur
实时 13:58:53
English(EN) Leveraging Imperfect Medical Data: A Manifold-Consistent Spatio-Temporal Network for Sensor-based Human Activity Recognition

利用不完美的医疗数据:用于基于传感器的 人类活动识别的多流形一致时空网络

研究人员开发了一种新的人类活动识别模型——多流形一致时空网络(MCSTN),旨在利用传感器数据改进人类活动识别,即使数据不完美。该网络通过模拟真实数据缺陷和学习抗损坏表示来解决测量缺失和传感器噪声等问题。其双流架构能有效模拟时态动态和空间相关性,在基准数据集上的表现优于现有方法。 AI

影响 增强了在处理嘈杂或不完整传感器数据的医疗监测应用中AI模型的鲁棒性。

排序理由 详细介绍用于基于传感器的 人类活动识别的新网络架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

利用不完美的医疗数据:用于基于传感器的 人类活动识别的多流形一致时空网络

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jiangtao Fan, Anish Jindal, Amir Atapour-Abarghouei ·

    利用不完美的医疗数据:一种用于基于传感器的活动识别的流形一致时空网络

    arXiv:2605.00913v1 Announce Type: new Abstract: Sensor-based Human Activity Recognition (HAR) has attracted increasing attention in medical and healthcare monitoring, particularly with the growth of Internet of Medical Things (IoMT). However, in real-world wearable sensing scenar…