Activity2Vec：利用序列到序列模型从传感器数据学习日常活动嵌入
机器学习
2019-07-15 v1
摘要
识别日常活动（ADLs）在分析人类健康与行为中起着重要作用。植入家庭、智能手机和智能手表中的传感器的广泛普及，促成了反映人类行为的大数据集的收集。为基于这些数据获得机器学习模型，研究者已开发多种特征提取方法。在本研究中，我们探究一种自动提取通用且有意义特征的方法，这些特征可应用于类似基于时间序列的学习任务，如活动识别与跌倒检测。我们提出构建序列到序列（seq2seq）模型来执行此特征学习。除避免特征工程外，该seq2seq模型学习到的有意义特征也可用于半监督学习。我们在来自可穿戴与环境传感器的数据集上评估了这两方面益处。
引用
@article{arxiv.1907.05597,
title = {Activity2Vec: Learning ADL Embeddings from Sensor Data with a Sequence-to-Sequence Model},
author = {Alireza Ghods and Diane J. Cook},
journal= {arXiv preprint arXiv:1907.05597},
year = {2019}
}
备注
4 pages, 2 figures, DSHealth: 2019 KDD workshop on Applied data science in Healthcare