辅助生活环境中用于传感器布置的灰盒贝叶斯优化
机器学习
2023-09-13 v1 人工智能
人机交互
摘要
优化传感器的配置与布置对于辅助生活空间中可靠的跌倒检测、室内定位和活动识别至关重要。我们提出一种新颖的、样本高效的方法，基于灰盒贝叶斯优化和基于仿真的评估，在任意室内空间中寻找高质量传感器布置。我们的关键技术贡献在于捕获关于活动空间分布的领域特定知识，并将其纳入贝叶斯优化中查询点的迭代选择。考虑两个仿真室内环境和一个包含人类活动与传感器触发的真实世界数据集，我们表明，相较于最先进的黑盒优化技术，所提方法在识别高质量传感器布置方面表现更优，从而实现了准确的活动识别（以 F1-score 衡量），同时所需昂贵函数查询次数显著更少（平均降低 51.3%）。
引用
@article{arxiv.2309.05784,
title = {Grey-box Bayesian Optimization for Sensor Placement in Assisted Living Environments},
author = {Shadan Golestan and Omid Ardakanian and Pierre Boulanger},
journal= {arXiv preprint arXiv:2309.05784},
year = {2023}
}