快捷搜索:  as

不只测心率,通过AI可以测大学生压力水平

  雷锋网("民众,"号:雷锋网)消息,近日,美国马萨诸塞大年夜学谋略机科学学院在Arxiv.org上颁发论文,提出了进一步获得优化的CALMNet模型,该模型可以用于猜测大年夜门生压力水平。

  进入互联网期间后的快节奏生活带来了科技的加速进步,而技巧的指数式成长带来了快节奏的生活。当下,在海内一二线城市生活的年轻人,包括门生,都面临着高频的生活节奏和进修节奏,随之而来的同时也有各类压力。据外媒报道,美国马萨诸塞大年夜学谋略机科学学院在近日颁发的一篇钻研论文中指出,其可以经由过程AI对压力水平进行猜测。

  “跟着可穿着设备的日益遍及,经由过程在Fitbit、Apple Watch,以及其他智能可穿着设备中引入功能强大年夜的传感器网络心理、行径数据已经变得可以遭遇,这使得钻研职员能够使用从这些设备网络到的心理数据来猜测佩戴者的精神状态,例如情绪、压力。”钻研职员在《深度多义务收集的个性化门生压力猜测》一文中指出。

  自2000年以来,已有钻研职员经由过程心率、皮质醇水平、皮肤导电率等人类心理参数的检测与钻研,检测人类受到的压力;Mikelsons, G、Smith, M等人在其2018年颁发的论文《使用智妙手机数据进行生理状态猜测的深度进修模式:寻衅与机遇》中提出,经由过程StudentLife(一款APP)采集的数据集,基于位置特性和神经收集措施,建立了基于位置的MultiLayer感知模型(MLP模型),用以猜测中门生的压力水平。

  《深度多义务收集的个性化门生压力猜测》一文中提出跨小我活动LSTM多义务自动编码器收集模型(CALMNet),它将数据视为光阴序列,并能够识别门生数据中包孕的光阴模式,经由过程包孕这些不合级其余信息和个性化数据对门生的压力水平进行猜测。据论文作者表示,CALMNet模型相对付此前的MLP模型有45.6%的精准度提升。

  该论文中提出的模型的数据集是在达特茅斯学院对48论理门生继续10周经由过程StudentLife进行数据网络,网络数据主要包括就寝状况、活动环境、饮食环境等基础生活及心理数据。天天经由过程StudentLife利用法度榜样网络数据,并经由过程对数据的统计阐发进行1-5级的压力的生态瞬时评估(EMA)。

  在测试中,CALMNet模型相对此前压力检测模型有所改进,钻研职员推想这是其将数据视为光阴序列的直接结果。“CALMNet模型交融精细时态信息和高档协变量的能力,能够为每位门生供给个性化模式而又不会过度拟合的架构,有助于前进其模型的机能。”

  据雷锋网懂得,今朝智能可穿着设备主要分为运动、康健两大年夜利用处景定位,而今朝的智妙手环、智妙腕表仍没有像移动互联网期间的智妙手机一场成为人手必备,无论是在功能性、可玩性、用户粘性上,并没有很好的体现。

  只管如斯,不得不提的是,智能可穿着设备的出货量照样稳步增长,而且相称可不雅的。据IDC调研数据显示,2018年整年可穿着设备出货量为1.722亿台,同比增长27.5%。包括苹果、小米、华为、Fitbit、三星的可穿着设备单季度销量都已超百万。这将为设备厂商、钻研职员带来更多用户与设备的交互数据及设备监测到的数据,这些数据将进一步为可穿着设备的功能提升、新功能呈现带来可能。

  雷锋网懂得到,今朝经由过程大年夜数据、经由过程AI模型已经可以丈量用户生理、血压、就寝环境,而这些功能也已经利用到诸如智妙手环、智妙腕表等可穿着设备中。跟着可穿着设备越来越遍及,越来越多的真实用户数据搜集到设备商、研发职员手中,将会有越来越多的用户生命体征、康健状况将会经由过程传感器实时网络,经由过程AI模型实时阐发并显示,这将会使可穿着设备的功能越来越强大年夜,有望成为在功能、利用处景上有别于智妙手机的下一代移动终端。

您可能还会对下面的文章感兴趣: