由词编码与嵌入引导的全卷积网络用于智能家居活动识别
信号处理
2020-12-07 v1 人工智能
摘要
当我们希望为居民提供自动服务时，智能家居中的活动识别至关重要。然而，它在环境可变性、传感运动系统以及用户习惯方面提出了挑战。因此，端到端系统无法在缺乏大量预处理的情况下自动提取关键特征。我们提出通过融合自然语言处理（NLP）与时间序列分类（TSC）领域的方法来应对智能家居活动识别的特征提取问题。我们在来自自适应系统高级研究中心（CASAS）的两个数据集上评估了方法的性能。此外，我们分析了使用 NLP 词袋（Bag-Of-Word）编码与嵌入的贡献，以及 FCN 算法自动提取特征并分类的能力。我们提出的方法在离线活动分类中表现出良好性能。我们的分析也表明 FCN 是适用于智能家居活动识别的算法，并凸显了自动特征提取的优势。
引用
@article{arxiv.2012.02300,
title = {Fully Convolutional Network Bootstrapped by Word Encoding and Embedding for Activity Recognition in Smart Homes},
author = {Damien Bouchabou and Sao Nguyen and Christophe Lohr and Benoit Leduc and Ioannis Kanellos},
journal= {arXiv preprint arXiv:2012.02300},
year = {2020}
}