抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ウェアラブルベースの人間活動認識(HAR)の分野における自己監督学習の出現は,現場における最も緊急の課題に取り組むための機会を開き,すなわち,ラベル付き訓練サンプルのみを収集できるシナリオのための信頼できる認識システムを導出するためのラベルなしデータを利用する。そのようなように,自己スーパービジョン,すなわち,「プレトレイン-テネ-微調整」のパラダイムは,主要なエンドツーエンド訓練アプローチに対する強力な代替になる可能性があり,古典的活動認識チェーンのための手作業特徴のみを削除する。最近,複数タスク自己スーパービジョン,Masked Reconstruction,CPCおよびSimCLRを含むHARの分野に自己教師付き学習を導入した多くの貢献が,名目であるが,少数である。これらの方法の初期の成功により,その時間は,フィールドに対する潜在的自己監督学習の系統的インベントリと解析に comeった。本論文は,正確に提供する。モデル性能の多面的探索を実行するフレームワークを導入することによって,自己監督HAR研究の進展を評価した。各次元は,異なるソースとターゲット条件に対するロバスト性,データセット特性の影響,および特徴空間特性を含む,各次元が性能の特定の側面を捉えるような3つの構成基準を含む3つの次元にフレームワークを組織化する。このフレームワークを利用して,HARに対する7つの最先端の自己監督法を評価し,これら技法の特性への洞察の定式化を導き,多様なシナリオに対する学習表現に対する価値を確立した。【JST・京大機械翻訳】