Oamenii de ştiinţă de la Universitatea California din San Diego au dezvoltat ”FitRec”, un instrument de recomandare bazat pe învăţare profundă, capabil să evalueze mai bine ratele inimii alergătorilor în timpul unui antrenament şi să prezică şi să recomande trasee.
Cercetătorii au instruit FitRec pe un set de date provenind de la peste 250.000 de înregistrări de antrenament pentru mai mult de 1.000 de alergători. Acest lucru a permis informaticienilor să construiască un model care să analizeze performanţa trecută pentru a anticipa viteza şi ritmul cardiac, având în vedere anumite ore şi traseele viitoare de antrenament.
FitRec este, de asemenea, capabil să identifice caracteristicile importante care afectează performanţa antrenamentului, cum ar fi dacă un traseu trece peste dealuri şi nivelul de efort al utilizatorului. Instrumentul poate recomanda rute alternative pentru alergătorii care doresc să atingă un ritm cardiac ţintă specific. De asemenea, este capabil să facă previziuni pe termen scurt, cum ar fi să le spună alergătorilor când să încetinească pentru a evita depăşirea ritmului cardiac maxim dorit.
Dezvoltarea FitRec nu a fost uşoară, dat fiind că setul de date are un număr mare de înregistrări de antrenament, dar doar un număr mic de puncte de date per persoană.
”Personalizarea este esenţială în modelele de date pentru a defini efortul, deoarece persoanele fizice variază foarte mult în multe domenii, incluzând ritmul cardiac şi abilitatea de a se adapta la diferite exerciţii”, a declarat Julian McAuley, profesor la Departamentul de Informatică şi Inginerie de la UC San Diego, citat de sciencedaily.com.
Principala provocare în construirea acestui tip de model este că dinamica ratelor ritmului cardiac al oamenilor în timpul exerciţiilor este incredibil de complexă şi necesită tehnici sofisticate de a modelare a lor într-un algoritm, au adăugat cercetătorii.
Pentru a construi un model eficient, cercetătorii au folosit o arhitectură de învăţare profundă numită reţea de memorie pe termen lung (LSTM), pe care cercetătorii au adaptat-o pentru a surprinde comportamentele dinamice individuale ale fiecărui utilizator din setul de date.
În viitor, FitRec ar putea fi instruit să includă alte date, cum ar fi modul în care nivelurile de efort ale utilizatorilor evoluează în timp. Instrumentul ar putea fi, de asemenea, folosit pentru rute de recomandare mai complexe, cum ar fi cele care să ia în considerare şi siguranţa.
