यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
इस पेपर का उद्देश्य सेंसर-आधारित मानव गतिविधि पहचान (HAR) में मल्टीमॉडल डेटा मिक्सिंग, गतिविधि विषमता और जटिल मॉडल वितरण के मुद्दों को संबोधित करना है। इस उद्देश्य के लिए, हम सेंसर डेटा की मिश्रित वितरण समस्या को संबोधित करने, मल्टीमॉडल स्पैटिओटेम्पोरल अलग-अलग अभ्यावेदन के माध्यम से गतिविधियों की प्रमुख भेदभावपूर्ण विशेषताओं को पकड़ने और डेटा विषमता को कम करने के लिए ग्रेडिएंट मॉड्यूलेशन को संयोजित करने के लिए एक स्थानिक ध्यान मोडल अपघटन संरेखण संलयन रणनीति का प्रस्ताव करते हैं। इसके अलावा, हम एक पहनने योग्य परिनियोजन सिमुलेशन प्रणाली का निर्माण करते हैं और कई सार्वजनिक डेटासेट का उपयोग करके प्रयोगों के माध्यम से मॉडल की प्रभावशीलता का प्रदर्शन करते हैं।
____T30822_____, ____T30823_____
•
Takeaways:
◦
बहु-मोडल सेंसर डेटा को प्रभावी ढंग से संसाधित करने के लिए एक नवीन स्थानिक-कालिक ध्यान-आधारित संलयन रणनीति प्रस्तुत की गई है।
◦
एक बहु-मोडल पृथक्कीकरण प्रतिनिधित्व विधि का प्रस्ताव करना जो गतिविधियों की प्रमुख विभेदक विशेषताओं को प्रभावी ढंग से सीखती है
◦
डेटा विषमता समस्याओं को कम करने के लिए ग्रेडिएंट मॉड्यूलेशन तकनीकों को लागू करना
◦
पहनने योग्य वातावरण को ध्यान में रखते हुए वितरण सिमुलेशन प्रणाली का निर्माण करना
◦
विभिन्न सार्वजनिक डेटासेट का उपयोग करके प्रयोगों के माध्यम से मॉडल प्रदर्शन का सत्यापन
•
Limitations:
◦
प्रस्तावित मॉडल के सामान्यीकरण प्रदर्शन पर आगे अनुसंधान की आवश्यकता है।
◦
वास्तविक पहनने योग्य वातावरण में प्रदर्शन मूल्यांकन और सत्यापन की आवश्यकता
◦
अधिक विविध और जटिल गतिविधियों के निष्पादन मूल्यांकन की आवश्यकता
◦
ऊर्जा दक्षता और वास्तविक समय प्रसंस्करण प्रदर्शन को ध्यान में रखा जाना चाहिए
