Acceso usuarios
Yuancai Zhang
Este estudio examina la correlación entre los hábitos de ejercicio físico y los resultados de salud mental en adolescentes utilizando un modelo de perceptrón multicapa (MLP) basado en regresión. Al utilizar un conjunto de datos sustancial, el modelo captura con éxito conexiones intrincadas y no lineales entre varias características relacionadas con el ejercicio y las puntuaciones de salud mental. El modelo MLP exhibió una precisión de predicción sólida, caracterizada por valores R² elevados y MSE disminuido, lo que subraya su promesa para implementaciones prácticas. Al integrar big data, se realizó un análisis exhaustivo, que demostró que realizar actividad física regular es un indicador sustancial de bienestar mental. Los resultados enfatizan la importancia de realizar actividad física para mejorar el bienestar mental y muestran la efectividad del aprendizaje automático y el big data en las evaluaciones de salud. La investigación posterior podría investigar la integración de elementos de estilo de vida complementarios y arquitecturas de aprendizaje profundo más sofisticadas para mejorar aún más las capacidades de predicción.
This study examines the correlation between physical exercise habits and mental health outcomes in adolescents using a regression-based Multilayer Perceptron (MLP) model. By utilizing a substantial dataset, the model successfully captures intricate, non-linear connections betweenseveral exercise-related characteristics and mental health scores. The MLP model exhibited robust prediction accuracy, characterized by elevated R² values and diminished MSE, underscoring its promise for practical implementations. By integrating big data,a thorough analysis was conducted, which demonstrated that engaging in regular physical activity is a substantial indicator of mental well-being. The results emphasize the significance of engaging in physical activity to enhance mental well-being and showcase the effectiveness of machine learning and big data in health evaluations. Subsequent research could investigate the integration of supplementary lifestyle elements and more sophisticated deep learning architectures to further improve prediction abilities.
