GNN-XAR：用于智能家居活动识别的可解释图神经网络
人工智能
2026-01-06 v2 机器学习
摘要
基于传感器的人类活动识别(HAR)在智能家居环境中至关重要，尤其是在医疗领域。大多数现有方法利用深度学习模型。尽管这些方法有效，但其输出背后的逻辑是透明的。最近涌现出可解释人工智能(XAI)方法，以提供对 HAR 模型输出的直观解释。据我们了解，这些方法利用 CNN 或 RNN 等经典深度模型。最近，图神经网络(GNN)被证明在基于传感器的 HAR 中效果良好。然而，现有方法并未以可解释性为设计目标。在本工作中，我们提出了首个专为智能家居 HAR 设计的可解释图神经网络。我们在两个公开数据集上的结果表明，该方法在提供解释方面优于最先进的方法，同时也略微提高了识别率。
引用
@article{arxiv.2502.17999,
title = {GNN-XAR: A Graph Neural Network for Explainable Activity Recognition in Smart Homes},
author = {Michele Fiori and Davide Mor and Gabriele Civitarese and Claudio Bettini},
journal= {arXiv preprint arXiv:2502.17999},
year = {2026}
}