因此該團隊著手創(chuàng)建了一種新的機器學(xué)習(xí)算法，結(jié)合傳統(tǒng)心率模型，以及對“對嘈雜和不確定的真實世界數(shù)據(jù)具有魯棒性(事物可以抵御外部應(yīng)力和影響并維持原有狀態(tài)的自身性質(zhì))”的適應(yīng)性系統(tǒng)，目標(biāo)創(chuàng)建一個定制的心率模型，為某位用戶生成最準(zhǔn)確的數(shù)據(jù)。

　　機器學(xué)習(xí)算法首先嵌入某位佩戴者的個人鍛煉歷史，然后進一步收集用戶在健身過程中的相關(guān)數(shù)據(jù)，并通過算法調(diào)整適應(yīng)每個人身體對運動的獨特反應(yīng)。

　　該團隊指出：“為了學(xué)習(xí)這種將鍛煉映射到生理參數(shù)的嵌入函數(shù)，我們使用了一個卷積神經(jīng)網(wǎng)絡(luò)，輸入個人最近的鍛煉情況，包括心率、步頻、速度和海拔變化”。

　　團隊表示系統(tǒng)會預(yù)測佩戴者的健身數(shù)據(jù)，然后再將這些預(yù)測與運動時的實際心率進行比較，通過多次收集佩戴者鍛煉數(shù)據(jù)不斷優(yōu)化，從而可以為佩戴者制定更貼合個人的健身方案。

　　該系統(tǒng)還關(guān)注一些可能并不明顯的指標(biāo)。蘋果健康研究團隊指出，在過熱或過濕的環(huán)境中鍛煉會增加鍛煉時的心率，而這在嚴(yán)格控制的實驗室環(huán)境中并不總能反映出來。此外，它還會查看步頻、海拔變化和速度等運動數(shù)據(jù)，以準(zhǔn)確預(yù)測運動強度。