Международная команда исследователей, в которую вошли ученые Университета «Иннополис» и Санкт-Петербургского государственного электротехнического университета «ЛЭТИ», разработала нейросетевую архитектуру для носимых устройств. Модель распознает более 30 видов человеческой активности по данным сенсоров и датчиков.
Модель может отличать ходьбу от бега, фиксировать бытовые действия, сложные физические нагрузки и падения. Максимальная точность в проведенных тестах достигла 98,91%.
Разработка сочетает в себе два подхода. Первая часть модели анализирует происходящее прямо сейчас: например, резкое ускорение или движение во время падения. Вторая учитывает более длительные последовательности и помогает понять общий контекст поведения пользователя.
«Первая ветвь — временная сверточная сеть с причинными свертками — захватывает локальные и среднесрочные паттерны активностей — то, что человек делает прямо сейчас. А вторая ветвь — двунаправленные рекуррентные слои с механизмом канального внимания — моделирует долгосрочные зависимости — понимает контекст всей последовательности движений пользователя и предсказывает дальнейшую активность».
Дмитрий Каплун, ведущий программист-математик исследовательского центра в сфере ИИ Университета «Иннополис»
Модель остается небольшой: от 50 до 62 тысяч параметров и от 2 до 3,5 миллиона вычислительных операций на одно предсказание. Поэтому ее можно запускать непосредственно на умных часах, фитнес-браслетах и медицинских устройствах, не отправляя данные в облако.
Исследователи проверили систему на трех общедоступных наборах данных. На одном из них точность составила 97,49% — на 2,49 процентного пункта выше предыдущего лучшего результата. На другом показатель достиг 98,91%.
Отдельное внимание уделили редким событиям, например падениям. В одном из тестов модель распознавала такие активности на 10,38 процентного пункта лучше предыдущего решения.
Разработка может применяться для мониторинга здоровья, отслеживания спортивных тренировок и восстановления после травм или инсульта. В перспективе такие системы также смогут помогать своевременно выявлять опасные ситуации и передавать сигнал о необходимости помощи.
Читайте также:
В ИТМО создали ловушку для света для будущих оптических чипов ИИ
Google выпустила Gemini 3.8 Live для диалогов в реальном времени