跳到正文
热点事件持续更新

可解释模型评估纺织压力姿态筛查

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Limon Bin Hossain与Md Sadib Rahman Ananta提出基于针织压阻前臂袖套的姿态筛查方法:在严格按受试者划分的数据上,调优XGBoost利用29项压力分布特征,对未见测试受试者取得0.818准确率、0.788平衡准确率和0.801宏平均F1。 该研究把日常活动归为中性、潜在不良、功能或过渡三类,并通过SHAP、特征组消融、逐活动误差和模拟穿戴旋转压力测试分析模型的依据、失效位置与鲁棒性。原始帧训练的简单2D-CNN表现大致相当,说明手工特征在该任务上未明显落后;这些结果来自论文摘要,尚不能视为已完成独立复现或实际部署验证。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月7日
  1. arXiv · cs.AI
    可解释机器学习用于纺织压力姿态筛查:袖套传感器研究

    研究以针织压电阻前臂袖套为测试对象,将日常活动分为中性、潜在不良、功能或过渡三类,并用29项可解释压力分布特征进行姿态筛查。基于论文摘要,严格按受试者划分的调优XGBoost在未见测试受试者上取得0.818准确率、0.788平衡准确率和0.801宏平均F1。SHAP、特征组消融、逐活动误差分析和模拟穿戴旋转压力测试用于分析模型的泛化、可解释性与鲁棒性。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。