Análisis de los datos del acelerómetro para detección de actividades

Resumen:

Las enfermedades cardiovasculares son la principal causa de muerte en España, siendo necesaria la prevención de factores de riesgos como la obesidad o los altos niveles de colesterol. La actividad física previene estos problemas, y su seguimiento usando pulseras de actividad permite tomar decisiones para su corrección. En este trabajo se presenta un experimento para evaluar la viabilidad de detección automática de ciertas actividades a través de algoritmos supervisados de Deep Learning

Palabras Clave:

classification - Deep Learning - HAR - wearable sensors

Autor(es):

• Sandro Hurtado-Requena {sandrohurtadorequena@lcc.uma.es}
  University of Malaga - Spain
  
• Cristobal Barba-Gonzalez {cbarba@lcc.uma.es}
  University of Malaga - Spain
  
• Maciej Rybinski {maciek.rybinski@lcc.umaes}
  University of Malaga - Spain
  
• Francisco J Baron-Lopez {fjbaron@uma.es}
  University of Malaga - Spain
  
• Julia Warnberg {jwarnberg@uma.es}
  University of Malaga - Spain
  
• Ismael Navas-Delgado {ismael@lcc.uma.es}
  University of Malaga - Spain
  
• Jose F Aldana-Montes {jfam@lcc.uma.es}
  University of Malaga - Spain
  

Handle:

Descargas:

Este artículo tiene una licencia de uso CreativeCommons - Reconocimiento (by)

Descarga el artículo haciendo click aquí.

Ver la referencia en formato Bibtex