Richtung wegweisender Sensoren und Funktionen mithilfe großer Sprachmodelle bei der menschlichen Aktivitätserkennung

In diesem Papier schlagen wir eine methodische Neuerung zur Entwicklung von Funktionen mithilfe großer Sprachmodelle (LLMs) vor. In der vorgeschlagenen Methode verwenden wir ChatGPT 1, um neue Sensorstandorte und neue Funktionen zu finden. Anschließend evaluieren wir das maschinelle Lernmodell, das die gefundenen Funktionen mithilfe eines offenen Datensatzes nutzt. Im aktuellen maschinellen Lernen erstellen Menschen Funktionen, wobei Ingenieure reale Standorte besuchen und Gespräche mit Experten und erfahrenen Mitarbeitern führen. Dieses Verfahren hat jedoch das Problem, dass die Qualität der Funktionen vom Ingenieur abhängt. Um dieses Problem zu lösen, schlagen wir einen Ansatz vor, um neue Funktionen mithilfe von LLMs zu entwickeln. Infolgedessen erzielen wir nahezu dasselbe Maß an Genauigkeit wie das vorgeschlagene Modell, das weniger Sensoren verwendete, und das Modell nutzt alle Sensoren im Datensatz. Dies zeigt, dass die vorgeschlagene Methode in der Lage ist, wichtige Funktionen effizient zu extrahieren.