Классификация жестов BFRB: почему носимые устройства с ИИ дают сбои и как очистить данные с помощ...

Почему модель, обещавшая 90% точности на этапе предварительного обучения, показала почти случайные результаты на полном наборе данных? В этом видео мы анализируем сложности биомедицинской науки о данных, уделяя особое внимание повторяющимся действиям, направленным на тело (BFRB), и проблемам классификации движений с использованием специализированных носимых датчиков.

Мы рассматриваем набор данных с наручного устройства Helios, которое использует акселерометры и датчики приближения Time-of-Flight (ToF) для отслеживания повторяющихся движений. Несмотря на первоначальные многообещающие результаты, классификация жестов значительно затруднилась из-за перекрывающихся распределений признаков, что сделало практически невозможным различение похожих движений, таких как почесывание лба, от других повторяющихся действий.

Ключевые выводы, представленные в этом видео:

Ловушка воспроизведения Kaggle: понимание того, почему высокие результаты в соревновательных средах не всегда переносятся на реальное обучение на полных данных.

Исходные и предварительно обработанные данные: почему набор данных «Speech Cortex» (20 ГБ) был в конечном итоге отброшен, поскольку в нем отсутствовали необходимые для подлинных исследований исходные нейронные сигналы.

Управление данными с помощью ИИ: посмотрите, как мы используем агента Claude 3.5 Sonnet для автоматизации очистки папки проекта размером 2,5 ГБ, используя команды терминала для сохранения функциональности панели мониторинга и удаления ненужного объема данных.

Панель мониторинга BioniChaos: обзор нашего специально разработанного инструмента визуализации, который отслеживает показатели F1, матрицы ошибок и среднее ускорение датчиков.

Независимо от того, интересуетесь ли вы носимыми технологиями, ошибками машинного обучения или эффективной обработкой данных, эта сессия дает откровенный взгляд на «сложную» сторону исследований в области ИИ.

Посетите BioniChaos.com, чтобы ознакомиться с инструментами и данными, обсуждаемыми в этом видео.

#БиомедицинскаяНаукаДанные #НосимыеТехнологии #МашинноеОбучение #ИИ #BioniChaos #ИнженерияДанные #Claude35 #РаспознаваниеЖесточений #BFRB #НаукаДанные #ДанныеДатчиков

0:00 Анализ данных распределения жестов носимых устройств
1:06 Сравнение акселерометра и датчика времени пролета (ToF)
1:51 Почему нам не удалось воспроизвести результаты конкурса Kaggle
2:40 Анализ перекрывающихся распределений признаков и ошибок классификации
5:23 Удаление набора данных Speech Cortex размером 20 ГБ
6:40 Проблема с предварительно обработанными и необработанными нейронными данными
9:14 Доступ к исследованиям и инструментам на BioniChaos
10:25 Разбор панели инструментов: бинарное обнаружение против классификации жестов
13:07 Изучение матрицы ошибок и низкой производительности модели
17:17 Использование агента Sonnet Claude 3.5 для очистки локального проекта файлы
22:30 Отладка панели управления после удаления файлов с помощью ИИ
24:44 Заключительные мысли и будущие возможности синтетических данных

Ознакомьтесь с разрабатываемыми нами инструментами на https://bionichaos.com
Поддержите BioniChaos на Patreon:   / bionichaos  
Станьте участником канала, чтобы получить эксклюзивные бонусы:    / @bionichaos