首页> 外文期刊>人工知能: 人工知能学会誌 >半教師あり蒸留による深層学習に基づく行動認識モデルのユーザ適応
【24h】

半教師あり蒸留による深層学習に基づく行動認識モデルのユーザ適応

机译:基于Semiopters和蒸馏的深度学习的行为识别模型的用户改编

获取原文
获取原文并翻译 | 示例
       

摘要

慣性センサを利用した行動認識問題において,ユーザ適応技術は,データが限られたユーザの行動を正しく認識するための主要な技術の一つである.画像認識や音声認識と同様, Deep Neural Networks (DNN)は行動認識でも高い認識性能を発揮することが近年の研究で示されている.しかし,ユーザ適応は少数のラベル付きデ一夕,あるいはラベルデ一夕が全くない状況で行えることが望ましく,DNNをベースにした行動認識モデルのように大量のパラメ一夕をもつモデルを適応させると過学習を引き起こしがちになるため難しい.本論文では,ユーザ適応時の過学習を教師なしデ一タを活用した正則化項の導入により抑制する手法を提案する.提案する正則化項は適応元モデルと適応前モデルのパラメ一タが過剰に離れるのを抑制するように正則化をかける方法であり,近年別の文脈で提案されたニューラルネットワークの蒸留技術を応用したものである.提案手法の有効性確認のため,行動認識の代表的なデ一タセットの一つであるOpportunityデ一夕セットを利用した実験を行い,特定ユーザに対するラベルデータが非常に少ないかあるいは全くない場合においても提案手法が既存のユーザ適応技術と比較して過学習を抑制し認識精度を高められること,また既存の手法との組合せによりさらなる認識精度改善が見込めることを確認した.
机译:在使用惯性传感器的行为识别问题中,用户适应技术是正确识别数据用户有限用户数据的主要技术之一。深神经网络,如图像识别和语音识别。DNN)仍然在最近的研究中显示即使在行为识别中也能够发挥高识别性能。然而,期望用户适应可以在少数标记的副网中执行,或者标签DUNBA,难以适应具有大量参数的模型,例如a基于DNN的行为识别模型往往会导致重叠。本文,没有教师的系统是我们提出通过推出所使用的正则化术语来抑制的方法。所提出的正则化术语是执行正规化以抑制自适应的方法。模型和预处理模型的参数抑制过度离开。近年来,应用了另一种上下文中提出的神经网络的蒸馏技术。为了确认所提出的方法的有效性,它是其中一个代表性的De-Datasets之一即使特定用户的标签数据对于特定用户的标签数据非常低或没有标记数据,所提出的方法抑制了覆盖物并提高了识别准确性,并且证实了现有的方法和现有方法可以进一步识别准确性改进通过组合预期。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号