面向人类活动识别中利用大语言模型开拓传感器与特征的方法
人机交互
2023-10-10 v1
摘要
本文提出一种利用大语言模型（LLMs）的特征开拓方法。在所提方法中，我们使用 Chat-GPT 来发现新的传感器位置和新的特征。随后，我们使用 Opportunity 数据集评估采用所发现特征的机器学习模型。在当前的机器学习中，特征由人工构建，为此工程师需前往实地并与专家和资深工人讨论。然而，该方法存在特征质量依赖于工程师的问题。为解决此问题，我们提出一种利用 LLMs 生成新特征的方式。结果表明，我们所提模型在使用更少传感器的情况下达到了与使用数据集中全部传感器的模型几乎同等的准确率。这表明所提方法能够高效地提取重要特征。
引用
@article{arxiv.2306.16017,
title = {Toward Pioneering Sensors and Features Using Large Language Models in Human Activity Recognition},
author = {Haru Kaneko and Sozo Inoue},
journal= {arXiv preprint arXiv:2306.16017},
year = {2023}
}
备注
5 pages