Modelos de aprendizaje profundo para la predicción de comportamiento sedentario futuro
Es sabido que el comportamiento sedentario posee consecuencias negativas para la salud y, por lo tanto, alentar a los individuos a evitar este tipo de comportamiento puede redundar en la reducción de diferentes indicadores de riesgo. En este trabajo, se evaluaron diferentes arquitecturas de aprendiz...
Guardado en:
| Autores principales: | , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2019
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/87936 |
| Aporte de: |
| Sumario: | Es sabido que el comportamiento sedentario posee consecuencias negativas para la salud y, por lo tanto, alentar a los individuos a evitar este tipo de comportamiento puede redundar en la reducción de diferentes indicadores de riesgo. En este trabajo, se evaluaron diferentes arquitecturas de aprendizaje profundo para predecir el comportamiento sedentario futuro de un individuo a partir de los registros capturados de diferentes sensores disponibles en los dispositivos móviles actuales. Se analizaron usuarios con diferentes niveles de gasto energético, y se obtuvieron resultados alentadores que demuestran la eficiencia de las arquitecturas propuestas. |
|---|