GeXSe（生成式可解释传感系统）：一种用于智能空间人体活动识别的可解释深度生成模型

我们介绍了GeXSe（Generative Explanatory Sensor System，生成式可解释传感系统），一种新颖的框架，旨在从非侵入式智能空间传感器中提取可解释的基于传感器的和视觉域特征。我们将这些特征结合，以提供活动识别任务中传感器激活模式的全面解释。该系统利用先进的机器学习架构，包括transformer块、快速傅里叶卷积（FFC）和扩散模型，以提供更详细的基于传感器的人体活动数据理解。GeXSe的一个突出特征是我们独特的多层感知机（MLP），具有线性、ReLU和归一化层，专为在小数据集上的最优性能而设计。它还产生有意义的激活图来解释基于传感器的激活模式。标准方法基于CNN模型，我们的MLP模型优于它。GeXSe提供两类解释：基于传感器的激活图和 using短片的视觉域解释。这些方法对非可解释传感器数据的输出提供了全面解释，从而增强了我们模型的可解释性。利用Frechet Inception Distance（FID）进行评估，它优于已有方法，将基线性能提高了约6%。GeXSe还达到了高达0.85的F1分数，展示了精确率、召回率和抗噪性，标志着在可靠且可解释的智能空间传感系统中的显著进展。