基于自监督 Transformer 利用环境传感器进行活动分类

照护老龄人口是一项繁重的任务，且随着预期寿命估计持续上升，需要老年照护的人数正在快速增长。本文提出一种基于 Transformer 神经网络的方法，用于在基于环境传感器的环境中对居民的活动的进行分类。我们还提出一种以自监督方式预训练 Transformer 的方法，将其作为混合自编码器-分类器模型，而非使用对比损失。本研究的社会影响及该方法的更广泛益处与识别人类行为转变的下一步工作均被考量。近年来，在照护机构中集成基于传感器的技术以进行数据收集的需求日益增长。这使得机器学习可被用于诸多方面，包括活动识别与异常检测。由于医疗环境的敏感性，当前研究中使用的某些数据收集方法在老年照护行业被视为侵入性的，包括用于基于图像的活动识别的摄像头，以及用于活动追踪的可穿戴设备，但近期研究表明，由于居民参与数据收集的兴趣缺乏，使用这些方法通常导致数据质量低下。这促使研究聚焦于环境传感器，如二值 PIR 运动传感器、联网家电以及水电计量表。通过环境数据收集的一致性，数据质量显著更可靠，从而提供了以更高精度进行分类的机会。因此，在本研究中我们寻求一种利用深度学习通过环境传感器数据对人类活动进行分类的最优方式。