Разработчик там,
У меня есть несколько вопросов по поводу ActivityRecognitionClient, которые не описаны подробно в документации.
1. Какие модели машинного обучения и / или какие NN или комбинации алгоритмов используются? Есть ли более подробная информация об этом (Сколько слоев / нейронов используется и т. Д.)? В случае комбинированных алгоритмов: есть ли доступные блок-схемы (Вход -> Выход)?
2. Какие (маломощные) датчики / входные данные и возможные другие состояния телефона (состояние аккумулятора / зарядки и т. Д.) специально используются для обучения и классификации?
В соответствии с этой страницей и этой таблицей маломощными датчиками являются следующие составные датчики:
•Вектор геомагнитного вращения
• Значительное движение
• Счетчик шагов • Детектор шага
• Детектор наклона
Это только составные датчики (например, счетчик шагов, который косвенно обращается к датчику ускорения)оценивается для прогнозирования и обучения NN, или непосредственно доступны сами данные базового датчика (например, датчика ускорения)? Какие состояния телефона учитываются для прогноза?
Количество датчиков и их разрешение варьируется от телефона к телефону. Как гарантируется надежность? Некоторые данные датчика обрабатываются преимущественно? Какова процедура для пропущенных данных?
3. А как насчет данных обучения? Как собирались данные? (какой тип испытательного оборудования использовался, при каких условиях они собирались, какие позиции и ориентации были приняты во внимание и т. Д ....). Сколько образцов было использовано для обучения? Какова длина записанной выборки и насколько высокое разрешение данных?
4. Как можно повлиять на результат? Как изменяется частота / временной интервал в зависимости от выполняемых действий? (имеется блок-схема?) Какой самый быстрый интервал? (самое низкое значение, которого я достиг за это время: 5 секунд) Какая опция энергосбережения повлияет на результат и как?