センサーベースの人間活動認識のためのグラフニューラルネットワークによる深部伝達学習
Deep Transfer Learning with Graph Neural Network for Sensor-Based Human Activity Recognition モバイルアプリケーションシナリオでのセンサーベースの人間活動認識（HAR）は、センサーモダリティの変動と注釈付きデータの不足に直面することがよくあります。この観察結果を踏まえて、センサーベースのHARタスクに向けたグラフに触発された深層学習アプローチを考案しました。これをさらに使用して、これら2つの困難な問題の暫定的な解決策を提供するための深層伝達学習モデルを構築しました。具体的には、センサーベースのHARタスク、つまりHAR-ResGCNNアプローチに向けたグラフ畳み込みニューラルネットワーク（ResGCNN）を含む多層残差構造を提示します。 PAMAP2およびmHealthデータセットの実験結果は、Re
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2409.06187v1
https://arxiv-check-250201.firebaseapp.com/each/2310.02011v3
https://arxiv-check-250201.firebaseapp.com/each/2403.14174v1
https://arxiv-check-250201.firebaseapp.com/each/2310.02011v2
https://arxiv-check-250201.firebaseapp.com/each/2310.02011v1
深層残差および畳み込みネットワークを使用した fMRI データの感情的な脳状態の分類
MetaFi: メタバース アバター シミュレーションのためのコモディティ WiFi を介したデバイス不要の姿勢推定
UMSNet：人間の活動認識のためのユニバーサルマルチセンサーネットワーク
SwinFuse：赤外線および可視画像用の残留Swin Transformer Fusion Network
ビデオ認識のためのグループコンテキスト化
音楽と皮膚電気活動信号を融合することによる大規模な感情認識のための効率的なマルチモーダルフレームワーク
時間的モーメントの局所化のための階層的な深い残余の推論
コンテキスト畳み込みニューラルネットワーク
微分同相時系列整列のための速度場の流れとしての残差ネットワーク
自己教師あり深層学習を使用した改善された同時マルチスライス機能MRI
残差ネットワークは、神経過渡ダイナミクスに基づいて入力を分類します