ในงานนี้ มีการเสนอกรอบงานการรู้จำกิจกรรมทั่วไปของมนุษย์สำหรับข้อมูลเซ็นเซอร์ของสมาร์ทโฟน โดยอาศัยเครือข่าย LSTM สำหรับโดเมนอนุกรมเวลา โดยมีการศึกษาเครือข่าย LSTM พื้นฐานจำนวนสี่เครือข่ายเพื่อวิเคราะห์ผลกระทบของการใช้ข้อมูลเซ็นเซอร์ของสมาร์ทโฟนประเภทต่างๆ นอกจากนี้ มีการเสนอเครือข่าย LSTM แบบไฮบริดที่เรียกว่า CNN-LSTM 4 เลเยอร์เพื่อปรับปรุงประสิทธิภาพการรู้จำ วิธีการรู้จำกิจกรรมของมนุษย์นี้ได้รับการประเมินบนชุดข้อมูลสาธารณะบนสมาร์ทโฟน UCI-HAR ผ่านการผสมผสานระหว่างกระบวนการสร้างตัวอย่าง (OW และ NOW) และโปรโตคอลการตรวจสอบ (Cross validation และ LOSO) ยิ่งไปกว่านั้น เทคนิคการหาค่าเหมาะที่สุดแบบเบย์ยังถูกนำมาใช้ในการศึกษานี้ โดยใช้ในการปรับแต่งไฮเปอร์พารามิเตอร์ของเครือข่าย LSTM แต่ละเครือข่าย ผลการทดลองระบุว่าเครือข่าย CNN-LSTM 4 เลเยอร์ที่เสนอ สามารถทำงานได้ดีในการรู้จำกิจกรรม โดยเพิ่มความแม่นยำโดยเฉลี่ยสูงถึง 2.24% เมื่อเทียบกับแนวทางการรู้จำที่ล้ำสมัยก่อนหน้านี้