Científicos de la Universidad de Innópolis, en Rusia, integraron un equipo internacional que desarrolló una nueva arquitectura de red neuronal capaz de reconocer más de 30 tipos de actividad humana a partir de datos de sensores, con una precisión de hasta 98,91%.
El modelo resuelve un problema que enfrentaban los sistemas anteriores: reconocer simultáneamente movimientos rápidos, como una caída, y patrones de comportamiento prolongados, como diferenciar caminar de correr. En pruebas sobre conjuntos de datos públicos, superó en más de dos puntos al mejor resultado mundial previo, y alcanzó un 97,5% de precisión en el reconocimiento de actividades poco frecuentes, frente al 74,2% de otro modelo popular.
Su bajo peso computacional —entre 50.000 y 62.000 parámetros— permite integrarlo en dispositivos portátiles económicos. Según sus desarrolladores, podrá aplicarse al monitoreo de pacientes en recuperación, al seguimiento de deportistas y a la detección de peatones en sistemas de transporte autónomo.
