A Comparative Study of Deep Learning Architectures for Multi-Horizon Behavioural Forecasting for Mobile Health

📄 arXiv: 2606.14604v1 📥 PDF

作者: Pavlos Nicolaou, Kleanthis Malialis, Artemis Kontou, Panayiotis Kolios

分类: cs.LG, cs.AI

发布日期: 2026-06-12

💡 一句话要点

比较深度学习架构以提升移动健康行为预测精度

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 深度学习 行为预测 移动健康 个性化微调 时间序列分析 基础模型 可穿戴设备

📋 核心要点

  1. 现有方法缺乏对多种深度学习架构在移动健康数据上的系统比较，尤其是在不同人群中的泛化能力和多天预测的准确性。
  2. 本文通过基准测试六种深度学习架构和零样本基础模型，评估其在多天行为预测中的表现，提供了个性化微调的研究。
  3. 实验结果表明，PatchTST在训练模型中表现最佳，FM TimesFM在低数据环境下表现优异，参与者级别微调显著降低了RMSE。

📝 摘要（中文）

可穿戴设备和智能手机生成丰富的行为时间序列，能够支持主动健康干预，但对现代预测架构的系统比较仍然缺乏。本文基准测试了六种深度学习架构、两种零样本基础模型和统计基线，涵盖超过800名参与者的三个公共数据集，报告了步数、屏幕时间和睡眠时长在1-8天范围内的每个特征指标。研究发现，PatchTST在训练模型中表现最佳，FM TimesFM在低数据环境下的零样本预测效果优于训练模型，参与者级别的微调显著降低了每个特征的均方根误差（RMSE），尤其是睡眠时长的改善最为显著。这项研究首次联合评估了现代深度学习、基础模型和个性化在可穿戴设备多时间跨度行为预测中的应用。

🔬 方法详解

问题定义：本文旨在解决现有移动健康行为预测方法在架构比较、泛化能力和多天预测准确性方面的不足。现有方法缺乏系统性评估，导致选择合适模型时的困惑。

核心思路：通过对六种深度学习架构、两种零样本基础模型及统计基线进行基准测试，评估其在多天行为预测中的表现，并探索个性化微调的影响。

技术框架：研究采用了六种深度学习架构（如PatchTST、TCN、MLP、Transformer等），并结合零样本基础模型，使用三个公共数据集进行评估，分析不同模型在步数、屏幕时间和睡眠时长预测中的表现。

关键创新：本研究的创新点在于首次系统性比较多种深度学习架构与基础模型在可穿戴设备数据上的表现，并探讨了个性化微调对预测精度的影响。

关键设计：在实验中，采用了不同的超参数设置和损失函数，特别关注参与者级别的微调，结果显示微调能够显著降低每个特征的RMSE，尤其是睡眠时长的改善幅度最大。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，PatchTST在训练模型中表现最佳，而FM TimesFM在低数据环境下的零样本预测效果优于训练模型，参与者级别微调显著降低了RMSE，改善幅度在16-60%之间，尤其是睡眠时长的改善最为显著。

🎯 应用场景

该研究的潜在应用领域包括移动健康监测、个性化健康干预和智能健康管理系统。通过优化预测模型，能够为用户提供更精准的健康建议，促进健康行为的改善，具有重要的实际价值和未来影响。

📄 摘要（原文）

Wearable devices and smartphones generate rich behavioural time series that can support proactive health interventions, yet systematic comparisons of modern forecasting architectures for these data are lacking. In particular, it remains unclear how models generalise across populations, how different architectures respond to participant-level fine-tuning and how forecasting accuracy degrades across multi-day horizons. We benchmark six deep learning architectures, two zero-shot Foundation Models (FM) and statistical baselines on three public datasets encompassing over 800 participants, reporting per-feature metrics for step counts, screen time and sleep duration across 1-8 day horizons. We further conduct a per-feature personalisation study across all six architectures and assess FM transferability across dataset sizes and temporal granularities. Our key findings are: (i) no single architecture dominates, PatchTST leads among trained models while the three runners-up (TCN, MLP, Transformer) show no meaningful performance difference; (ii) the FM TimesFM matches or exceeds trained models zero-shot, especially in low-data regimes and (iii) participant-level fine-tuning reduces per-feature RMSE by 16-60\%, with sleep benefiting most and step counts least. These results provide practical guidance on architecture selection, FM applicability and personalisation strategies for mobile health forecasting. To the best of our knowledge, this is the first study to jointly evaluate modern deep learning, FMs and personalisation for multi-horizon behavioural forecasting from wearables.