Modelos de aprendizaje profundo para la predicción de comportamiento sedentario futuro

  • Martín Santillán Cooper ISISTAN (CONICET-Universidad Nacional del Centro de la Provincia de Buenos Aires)
  • Marcelo Armentano ISISTAN (CONICET-Universidad Nacional del Centro de la Provincia de Buenos Aires)
Palabras clave: aprendizaje profundo, aprendizaje de máquina, comportamiento sedentario

Resumen

Es sabido que el comportamiento sedentario posee consecuencias negativas para la salud y, por lo tanto, alentar a los individuos a evitar este tipo de comportamiento puede colaborar en la reducción de diferentes indicadores de riesgo. En este trabajo, se evaluaron diferentes arquitecturas de aprendizaje profundo para predecir el comportamiento sedentario futuro de un individuo a partir de los registros capturados de diferentes sensores disponibles en los dispositivos móviles actuales. Se analizaron usuarios con diferentes niveles de gasto energético, y se obtuvieron resultados alentadores que demuestran la eficiencia de las arquitecturas propuestas.

Publicado
2020-05-18
Cómo citar
Santillán Cooper, M., & Armentano, M. (2020). Modelos de aprendizaje profundo para la predicción de comportamiento sedentario futuro. Electronic Journal of SADIO (EJS), 19(2), 43-59. Recuperado a partir de https://ojs.sadio.org.ar/index.php/EJS/article/view/167