Resumen

Los teléfonos inteligentes con predictores de ejercicios de gimnasio pueden actuar como entrenadores para los asistentes al gimnasio. Sin embargo, varias soluciones disponibles no cuentan con el conjunto completo de ejercicios más practicados. Por lo tanto, en esta investigación, se identificó un conjunto completo de los 26 ejercicios más practicados en la literatura. Entre los ejercicios, 14 eran únicos y 12 eran comunes en la literatura existente. Además, los objetivos de la investigación también incluyeron encontrar la(s) posición(es) de sujeción de smartphone adecuada(s) y el número de sensores para predecir los ejercicios con la mayor precisión posible. Además, este estudio consideró el mayor número de participantes (20) en comparación con la literatura existente (máximo 10). Los resultados indican tres lecciones clave: (a) el clasificador más adecuado para predecir una clase (ejercicio) a partir de los datos basados en sensores resultó ser KNN (vecinos más cercanos); (b) los sensores coloc

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Teléfonos inteligentes; Predictores de ejercicios de gimnasio; Ejercicios; Posición de sujeción del teléfono inteligente; Sensores; KNN
• Keywords:Smartphones; Gym exercises predictors; Exercises; Smartphone attachment position; Sensors; KNN