XAI-BayesHAR: 統合された不確実性とシャプレー値を用いた人間活動認識のための新しいフレームワーク

加速度計とジャイロスコープというIMUセンサーを用いた人間活動認識（HAR）は、スマートホーム、ヘルスケア、人間-機械インターフェースシステムなどにおいて多くの応用があります。実際には、IMUベースのHARシステムは、センサーの劣化、異常環境、またはセンサー ノイズによる測定の変動に直面し、未知の活動にさらされることが予想されます。この解決策の実用展開を考慮すると、活動クラス スコアに対する統計的信頼性の分析は重要な指標です。本論文では、従って、特徴埋め込みベクトルとその関連する不確実性をカルマンフィルターを介して再帰的に追跡することで、IMUベースのHARソリューションの活動分類精度を向上させる統合ベイズフレームワークであるXAI-BayesHARを提案します。さらに、XAI-BayesHARは予測不確実性を使用してデータ分布外（OOD）検出器として機能し、異常な入力データ分布を評価し検出するのに役立ちます。また、提案されたフレームワークのシャプレー値に基づくパフォーマンスも評価され、特徴埋め込みベクトルの重要性を理解し、それに応じてモデル圧縮に使用されます。