Hyppää sisältöön
    • FI
    • ENG
  • FI
  • /
  • EN
OuluREPO – Oulun yliopiston julkaisuarkisto / University of Oulu repository
Näytä viite 
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
JavaScript is disabled for your browser. Some features of this site may not work without it.

Prediction of sleep efficiency from big physical exercise data

Liu, Xiaoli; Tamminen, Satu; Korhonen, Topi; Röning, Juha; Riekki, Jukka (2019-09-30)

 
Avaa tiedosto
nbnfi-fe2020042822773.pdf (543.6Kt)
nbnfi-fe2020042822773_meta.xml (38.68Kt)
nbnfi-fe2020042822773_solr.xml (27.70Kt)
Lataukset: 

URL:
https://doi.org/10.1145/3341162.3347078

Liu, Xiaoli
Tamminen, Satu
Korhonen, Topi
Röning, Juha
Riekki, Jukka
Association for Computing Machinery
30.09.2019

Xiaoli Liu, Satu Tamminen, Topi Korhonen, Juha Röning, and Jukka Riekki. 2019. Prediction of sleep efficiency from big physical exercise data. In Adjunct Proceedings of the 2019 ACM International Joint Conference on Pervasive and Ubiquitous Computing and Proceedings of the 2019 ACM International Symposium on Wearable Computers (UbiComp/ISWC ’19 Adjunct). Association for Computing Machinery, New York, NY, USA, 1186–1189. DOI:https://doi.org/10.1145/3341162.3347078

https://rightsstatements.org/vocab/InC/1.0/
© 2019 Association for Computing Machinery. This is the author's version of the work. It is posted here for your personal use. Not for redistribution. The definitive Version of Record was published in 2019 ACM International Joint Conference on Pervasive and Ubiquitous Computing and 2019 ACM International Symposium on Wearable Computers, UbiComp/ISWC 2019, https://doi.org/10.1145/3341162.3347078.
https://rightsstatements.org/vocab/InC/1.0/
doi:https://doi.org/10.1145/3341162.3347078
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2020042822773
Tiivistelmä

Abstract

Physical exercise can improve sleep quality. However, how to perform physical exercise to achieve the best possible improvements is not clear. In this article, we build predictive models based on volume real data collected from wearable devices to predict the sleep efficiency related to users’ daily exercise information. As far as we know, this is the first study to investigate insights of prediction of sleep efficiency from volume physical exercise data collected from real world.

Kokoelmat
  • Avoin saatavuus [37645]
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatAsiasanatUusimmatSivukartta

Omat tiedot

Kirjaudu sisäänRekisteröidy
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen