WikiEdge:ArXiv速递/2025-03-12
摘要
- 原文标题：The effect of intelligent monitoring of physical exercise on executive function in children with ADHD
- 中文标题：智能监测体育锻炼对ADHD儿童执行功能的影响
- 发布日期：2025-03-12 05:22:42+00:00
- 作者：Liwen Lin, Nan Lib, Shuchen Zhao
- 分类：cs.HC
- 原文链接：http://arxiv.org/abs/2503.09079v1
中文摘要：ADHD儿童通常在执行功能（EF）和运动技能方面存在困难，这影响了他们的学业和社交生活。虽然药物是常用的治疗方法，但它们有副作用，因此人们对非药物治疗产生了兴趣。体育活动（PA）在改善ADHD儿童的认知和运动技能方面显示出潜力。本研究考察了三种PA干预措施的短期和长期效果：特定技能训练组（EG1）、低需求运动组（EG2）和对照组（CG），持续12周。EG1在运动任务和工作记忆方面表现出显著改善（15%的改善，p<0.05），而EG2和CG的变化较小。长期PA改善了工作记忆，但短期PA对平衡和手部灵活性的影响有限。这些发现表明，技能训练对运动表现有即时影响，而更复杂的运动技能需要更长时间的干预。智能设备跟踪了进展，确认了EG1的持续参与和改善。这项研究强调了PA作为一种有前景的非药物治疗ADHD的方法，值得进一步探索其对其他认知领域的影响。
摘要
- 原文标题：Evaluating Multi-Instance DNN Inferencing on Multiple Accelerators of an Edge Device
- 中文标题：评估边缘设备上多个加速器的多实例深度神经网络推理
- 发布日期：2025-03-12 17:04:30+00:00
- 作者：Mumuksh Tayal, Yogesh Simmhan
- 分类：cs.DC
- 原文链接：http://arxiv.org/abs/2503.09546v1
中文摘要：边缘设备如Nvidia Jetson平台现在提供了多个板载加速器——包括GPU CUDA核心、Tensor核心和深度学习加速器（DLA）——这些加速器可以同时利用以提升深度神经网络（DNN）推理性能。在本文中，我们通过评估在这些异构组件上同时运行多个ResNet50模型实例的性能影响，扩展了之前的工作。我们详细分析了不同批处理大小和硬件组合对吞吐量和延迟的影响。我们的扩展分析不仅突出了结合CUDA和Tensor核心的优势，还揭示了在集成DLA时由于资源竞争导致的性能下降。这些发现，连同对精度约束和工作负载分配挑战的见解，激励我们进一步探索智能调度机制以优化边缘平台上的资源利用率。
摘要
- 原文标题：GenHPE: Generative Counterfactuals for 3D Human Pose Estimation with Radio Frequency Signals
- 中文标题：GenHPE：基于射频信号的3D人体姿态估计的生成反事实
- 发布日期：2025-03-12 16:53:58+00:00
- 作者：Shuokang Huang, Julie A. McCann
- 分类：cs.CV, cs.AI, cs.MM, eess.SP
- 原文链接：http://arxiv.org/abs/2503.09537v1
中文摘要：人体姿态估计（HPE）通过检测人体关节的位置，应用于多种场景。与使用摄像头相比，利用射频（RF）信号进行HPE具有非侵入性，并且在恶劣条件下更具鲁棒性，因为它利用了人体干扰引起的信号变化。然而，现有研究主要集中在受限于特定领域混杂因素的单领域HPE上，无法泛化到新领域，导致HPE性能下降。具体而言，不同人体部位引起的信号变化相互纠缠，包含特定主体的混杂因素。RF信号还与环境噪声交织，涉及特定环境的混杂因素。在本文中，我们提出了GenHPE，一种生成反事实RF信号以消除特定领域混杂因素的3D HPE方法。GenHPE训练基于人体骨骼标签的生成模型，学习人体部位和混杂因素如何干扰RF信号。我们通过操纵骨骼标签（例如移除身体部位）作为生成模型的反事实条件，合成反事实RF信号。反事实信号之间的差异近似消除了特定领域的混杂因素，并规范了编码器-解码器模型以学习领域无关的表示。这些表示帮助GenHPE泛化到新主体/环境，实现跨领域3D HPE。我们在来自WiFi、超宽带和毫米波的三个公开数据集上评估了GenHPE。实验结果表明，GenHPE优于现有方法，在跨主体HPE中减少了高达52.2毫米的估计误差，在跨环境HPE中减少了10.6毫米的估计误差。