Dywave：面向异构 IoT 传感信号的事件对齐动态分词
机器学习
2026-05-20 v2 人工智能
摘要
物联网 (IoT) 系统持续从无处不在的传感器中收集异构传感信号，以支持人类活动分析、情绪监测和环境感知等智能应用。这些信号本质上是非平稳且多尺度的，对标准分词技术构成了独特挑战。本文提出了 Dywave，一种用于 IoT 传感信号的动态分词框架，它构建与内在时间结构和底层物理事件对齐的紧凑输入表示。Dywave 利用基于小波的分层分解，识别对应于底层语义事件的有意义的时间边界，并在保持时间连贯性的同时自适应地压缩冗余区间。在涵盖活动识别、压力评估和近旁物体检测的五个真实世界 IoT 传感数据集上的广泛评估表明，Dywave 在准确率上比 SOTA 方法高出 12%，同时在主流序列模型中通过将输入 token 长度减少 75% 来提高计算效率。此外，Dywave 对领域偏移和不同序列长度表现出更好的鲁棒性。
引用
@article{arxiv.2605.14014,
title = {Dywave: Event-Aligned Dynamic Tokenization for Heterogeneous IoT Sensing Signals},
author = {Tomoyoshi Kimura and Denizhan Kara and Jinyang Li and Hongjue Zhao and Yigong Hu and Yizhuo Chen and Xiaomin Ouyang and Shengzhong Liu and Tarek Abdelzaher},
journal= {arXiv preprint arXiv:2605.14014},
year = {2026}
}