找回密码
 立即注册

QQ登录

只需一步,快速开始

微信登录

只需一步,快速开始

查看: 49|回复: 0

基于光纤的可穿戴传感器与机器学习的进展

[复制链接]

2733

主题

0

回帖

5466

积分

管理员

积分
5466
发表于 2024-8-23 10:23:09 | 显示全部楼层 |阅读模式 IP归属地:亚太地区
近十年来,人工智能(AI)的飞速发展,大大提升了可穿戴设备处理复杂数据的能力。其中,作为AI算法一大类的机器学习,以及其重要分支深度学习,是这波AI浪潮的主力。
机器学习省去了人工提取数据特征的人力成本,其深度学习分支对隐藏特征有强大的洞察能力,它们对数据的需求量之大,契合了这个信息爆炸时代带来的海量信息。
最近的一项研究总结了与光纤传感器结合使用的所有机器学习算法,分为两类:传统机器学习算法和深度学习算法。传统机器学习算法包括线性回归(LR)、k最近邻(KNN)、支持向量机(SVM)、随机森林、XGBoost和K均值聚类。
该论文发表在《先进设备与仪器》杂志上。
在对机器学习算法有了大致了解之后,本文根据光纤传感器的工作原理和光纤尺寸对其进行了分类和总结。光纤传感器的工作原理主要分为光学和电学两大类,光学包括FBG、法布里-珀罗干涉仪、散斑图和光强度,电学包括压阻、摩擦电、EMG和光纤芯片。
光纤传感器是日常穿戴硬电子设备的可行替代品。结合机器学习,它们可以作为日常智能服装。但仍有许多需要改进的地方。
首先,目前大多数利用机器学习的光纤传感器只采集单一类型的信号,这种信号通常是机械力和变形,比如手套中基于压力的手势识别。其他信息,如光强度、光色、温度、湿度、表面粗糙度等非常有意义的信息则没有被整合。
其次,机器学习算法日新月异,最新的算法如强化学习、生成对抗网络(GAN)、自监督学习、注意力机制(GPT)等,在这个领域的应用却非常少。
相信随着上述方向的进一步研究,基于光纤传感器和AI的可穿戴设备将会更加智能、舒适、高效,走入每个人的日常生活。
更多信息: Ziwang Luo 等人,基于光纤的可穿戴传感器与机器学习的进展,先进设备和仪器(2024)。DOI :10.34133/adi.0054

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|小黑屋|NewCET |网站地图

GMT+8, 2024-11-16 21:08 , Processed in 0.052643 second(s), 20 queries .

Powered by NewCET 1.0

Copyright © 2012-2024, NewCET.

快速回复 返回顶部 返回列表