Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jun 10, 2025

Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

10.6K

长期短期记忆和变压器模型的实验研究,用于智能手表上的落检测.

Syed Tousiful Haque1, Minakshi Debnath1, Awatif Yasmin1

  • 1Department of Computer Science, Texas State University, San Marcos, TX 78666, USA.

Sensors (Basel, Switzerland)
|October 16, 2024
PubMed
概括
此摘要是机器生成的。

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Enhancing Real-World Fall Detection Using Commodity Devices: A Systematic Study.

Sensors (Basel, Switzerland)·2025
Same author

Enhancing Wearable Fall Detection System via Synthetic Data.

Sensors (Basel, Switzerland)·2025
查看所有相关文章

研究人员比较了长期短期记忆 (LSTM) 和变压器模型,用于智能手表的实时落检测. 对于实时应用,尽管LSTM,但变压器更适合实时应用.

科学领域:

  • 可穿戴技术是可穿戴技术.
  • 人工智能的人工智能是人工智能.
  • 生物医学工程 生物医学工程

背景情况:

  • 跌倒是全球受伤死亡的主要原因.
  • 现有的智能手表上的人工智能驱动的可穿戴式摔倒检测系统在实时准确性方面扎,错过摔倒并产生虚假阳性.
  • 之前的研究探讨了长期短期记忆 (LSTM) 模型用于跌倒检测,在线下测试中显示出希望,但并不总是转化为实时性能.

研究的目的:

  • 为了比较长短期内存 (LSTM) 和变压器模型的性能,用于智能手表的实时落检测.
  • 评估不同LSTM和变压器模型变体在学习跌倒模式中的有效性.
  • 通过使用商品智能手表,确定实用实时落检测应用的最佳模型.

主要方法:

  • 研究和实验了三种LSTM变体和两种变体的变压器模型.
  • 训练所有模型使用来自三个不同的数据集的跌落和活动数据.
  • 使用智能手表上的SmartFall应用程序对训练模型进行实时测试.

主要成果:

  • 在离线培训中,卷积神经网络-LSTM (CNN-LSTM) 模型在所有数据集中表现出优异的性能,与变压器模型相比.
  • 尽管离线性能不佳,但实时测试显示在将LSTM模型准确性转化为实际应用方面存在局限性.
关键词:
这是LSTM的LSTM.深度学习是一种深度学习.落检测系统 落检测系统 落检测系统变压器 变压器 变压器可穿戴设备可以穿戴.

更多相关视频

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

2.6K
A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
04:23

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

Published on: April 21, 2023

1.8K

相关实验视频

Last Updated: Jun 10, 2025

Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

10.6K
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

2.6K
A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
04:23

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

Published on: April 21, 2023

1.8K
  • 变压器模型显示了因其通过自我注意力学习长序列数据的能力而具有有效的实时落检测的潜力.

    • 结论:

    • 虽然CNN-LSTM模型在线下降检测分析方面表现出色,但变压器模型是智能手表实时部署的更合适选择.
    • 变压器模型中的自我注意机制有助于捕捉复杂的,长期的模式,这对于准确的实时落检测至关重要.
    • 基于变压器的系统的进一步开发可以显著提高可穿戴式摔倒检测技术的可靠性和实用性.