Heart Rate Forecasting
Manuscrito · Intelligent Computing
Año
2026
Tipo
Ciencia y neuro
Estado
En curso
Stack
Python, TiDE, LSTM
τ=0.35
Sobre el proyecto
Pronosticar la frecuencia cardíaca en tiempo real durante ejercicio por intervalos, enrutando cada serie al modelo especializado en su tipo de dinámica.
Con la Universidad de Murcia y la Escuela de Negocios del TEC. Sobre 134 series de 10 sesiones de indoor cycling se encontraron cuatro patrones temporales; un clasificador incremental con dynamic time warping asigna cada serie parcial a su grupo y elige el modelo que pronostica los siguientes 200 segundos.
El entrenamiento por grupo mejora los cinco tipos de modelo evaluados — LSTM, encoder-decoder, TiDE y dos preentrenados — y TiDE logra el mejor resultado.
PythonTiDELSTMDynamic Time WarpingTime Series
En números
4.95%MAPE del mejor modelo
0.78correlación de Pearson
134series de frecuencia cardíaca
200 sde horizonte de pronóstico