مُختَصِر-خَيْل-نيت: شبكة عصبية تلافيفية فائقة الكفاءة للتعرف على الأنشطة الرياضية باستخدام أجهزة استشعار حركية ارتدادية

النهج السائد حاليًا في إنترنت الأشياء الصحية والطبية يعتمد على منع ظهور الأمراض مسبقًا من خلال مراقبة منتظمة لأنشطة الأفراد الجسدية، مما يجعل التعرف على النشاط البشري (HAR) وتحليل السلوك مجالًا مهمًا للبحث. يُعد التعرف على الأنشطة الرياضية (SAcR) فرعًا من فروع التعرف على النشاط البشري، ويتركز على تحديد الحركات الرياضية. وتشمل الطرق الثلاث الرئيسية لمراقبة هذه الأنشطة: الرؤية الحاسوبية، وأجهزة الاستشعار البيئية، وأجهزة الاستشعار القابلة للارتداء. وباعتبار المزايا والقيود الخاصة بكل من هذه الطرق، تبرز أجهزة الاستشعار القابلة للارتداء كخيار عملي أكثر. ويقدم هذا البحث نموذجًا يُسمى Mukhtasir-Khail-Net، الذي يحتوي فقط على 651 معلمة، ويستخدم بفعالية طبقات الجمع. وعند تطبيقه على ستة أنشطة رياضية، حقق النموذج دقة متوسطة ملحوظة تبلغ 98.865% باستخدام بيانات الاستشعار الحركي الناتجة عن أجهزة الاستشعار القابلة للارتداء. ولغرض المقارنة، تم أيضًا تقييم النموذج المقدم على مجموعة بيانات WISDM 11، وهي مجموعة بيانات للتعرف على النشاط البشري من جامعة فوردم، وقد حقق دقة قدرها 94.24%.