Reconocimiento de Actividad a Través de Conjuntos de Datos Mediante Aprendizaje Adaptativo de Transferencia Espacio-Temporal

El reconocimiento de actividad humana (HAR) tiene como objetivo reconocer actividades entrenando modelos en la gran cantidad de datos de sensores. Dado que adquirir una abundante cantidad de datos etiquetados es costoso y requiere mucho tiempo, el aprendizaje por transferencia se vuelve necesario para HAR al transferir conocimiento de dominios existentes. Sin embargo, existen dos desafíos en el reconocimiento de actividad entre conjuntos de datos. El primer desafío es la selección del dominio fuente. Dada una tarea objetivo y varios dominios fuente disponibles, es difícil determinar cómo seleccionar el dominio fuente más similar al dominio objetivo para evitar la transferencia negativa. El segundo es la transferencia precisa de actividad. Tras la selección del dominio fuente, cómo lograr una transferencia precisa de conocimiento entre el dominio fuente seleccionado y el dominio objetivo sigue siendo otro desafío. En este artículo, proponemos un enfoque de Aprendizaje Adaptativo de Transferencia Espacio-Temporal (ASTTL) para abordar ambos desafíos en HAR entre conjuntos de datos. ASTTL aprende las características espaciales en el aprendizaje por transferencia al evaluar adaptativamente la importancia relativa entre las distribuciones de probabilidad marginal y condicional. Además, captura las características temporales mediante aprendizaje de variedades incremental. Por lo tanto, ASTTL puede aprender las características espacio-temporales adaptativas para HAR entre conjuntos de datos y puede ser utilizado tanto para la selección del dominio fuente como para la transferencia precisa de actividad. Evaluamos el rendimiento de ASTTL a través de extensos experimentos en 4 conjuntos de datos públicos de HAR, lo que demuestra su efectividad. Además, basándonos en ASTTL, diseñamos e implementamos un sistema adaptativo de HAR entre conjuntos de datos llamado Sistema Colaborativo Adaptativo de Reconocimiento de Actividades Cliente-Nube (3C2ARS) para realizar HAR en un entorno real. Al recopilar actividades en el teléfono inteligente y transferir conocimiento en el servidor en la nube, ASTTL puede mejorar significativamente el rendimiento de la selección del dominio fuente y la transferencia precisa de actividad.