威尼斯赌场



> 威尼斯赌场 > 威尼斯赌场 >

【创新】美国马萨诸塞州大学利用手机传感器和

发布时间:2019-07-05 17:43

  原标题:【创新】美国马萨诸塞州大学利用手机传感器和调研问题研究大学生的压力情况

  大学生过着紧张的生活,他们有学习任务要完成,有课外活动要参加,更不用说有要准备考试和提交求职申请。对他们来说不幸地是,由压力带来的负面健康影响已被充分证明。如果不及时治疗,它会引起心血管疾病,影响记忆和认知,甚至抑制免疫系统。

  为了帮助弄清楚引起社会压力和学术压力的重大原因,美国马萨诸塞大学计算机科学学院的研究人员向人工智能寻求帮助,他们用AI来预测压力级别(低于中位数、中位数和高于中位数),数据来源于问卷和智能手机传感器。他们的研究报告说他们的模型达到了最先进的性能,与测量学生睡眠模式、活动、对话、位置、心理健康信息(如压力水平)数据集的基线%甚至更多的提升。

  “随着可穿戴设备的日益普及,使用从这些设备收集来的生理数据(例如情绪和压力数据)来预测穿戴者的精神状态的能力将会在临床治疗中应用,但这样的任务极具挑战性,”报告的作者写道。“在Fitbit,Apple Watch和智能手机等可穿戴设备中引入高质量的强大传感器,以合理的准确度高效收集生理和行为数据已经可以实现。”

  研究人员的AI系统:跨个人活动LSTM多任务自动编码器网络(Cross-personal Activity LSTM Multitask Auto-encoder Network,简称CALM-Net)将数据视为时间序列(即在连续的等间隔时间点拍摄)并且可以识别其中包含的时间模式。此外,它还能够个性化模型并整合时间序列信息,从而随着学生人数的增加而提高绩效。它可以推断和测量诸如星期几,睡眠等级,睡眠持续时间和下一个分配截止日期的时间。

  模型训练的语料库—学生生活—在达特茅斯实行并由Android应用程序提供改进。在为期10周的每一天中,它以生态瞬时评估的形式(即对问卷的实时响应)记录了来自48名学生的压力数据,并与活动(步行、跑步),音频(静音、语音、噪音)等被动感知数据配对。对手机充电水平和手机锁定状态的感知通常为每10秒钟一次。

  在测试中,CALM-Net改进了它所比较的两种最先进模型的性能。研究人员推测这是其将数据视为时间序列的直接结果。他们写道:“CALM-Net融合精细时态信息和高级协变量的能力,以及能够为每个学生解读个性化模式而不会过度拟合的架构,有助于提高其性能。” “(这种方法)改善了所有评估模型的性能,表明压力指标通常可以使用个性化层进行更好的建模。”

  8月16日北京,凤栖梧桐教育行业(上市公司)资本与发展高峰论坛返回搜狐,查看更多



相关阅读:威尼斯赌场