Was sollen wir unseren Hosen beibringen?

Wenn ein tragbares Gerät registrieren kann, was der Träger gerade tut, kann es sein Verhalten antizipieren und anpassen, um redundante Interaktionen mit dem Benutzer zu vermeiden. Die Relevanz und Eigenschaften der Aktivitäten, die erkannt werden sollen, hängen jedoch sowohl von der Anwendung als auch vom Benutzer ab. Dies erfordert eine adaptive Erkennung der Aktivitäten, bei der der Benutzer, anstatt der Designer, dem Gerät beibringen kann, was er/sie tut. Als Fallstudie haben wir eine Hose mit Accelerometern mit einem Laptop verbunden, um die Rohsensordaten zu interpretieren. Durch die Verwendung einer Kombination von Techniken des maschinellen Lernens wie Kohonen-Karten und probabilistischen Modellen haben wir ein System entwickelt, das in der Lage ist, Aktivitäten zu lernen, während es nur minimale Aufmerksamkeit des Benutzers erfordert.