| عنوان مقاله به انگلیسی | Transfer Learning in Human Activity Recognition: A Survey |
| عنوان مقاله به فارسی | انتقال یادگیری در شناخت فعالیت های انسانی: یک نظرسنجی |
| نویسندگان | Sourish Gunesh Dhekane, Thomas Ploetz |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| چکیده | Sensor-based human activity recognition (HAR) has been an active research area, owing to its applications in smart environments, assisted living, fitness, healthcare, etc. Recently, deep learning based end-to-end training has resulted in state-of-the-art performance in domains such as computer vision and natural language, where large amounts of annotated data are available. However, large quantities of annotated data are not available for sensor-based HAR. Moreover, the real-world settings on which the HAR is performed differ in terms of sensor modalities, classification tasks, and target users. To address this problem, transfer learning has been employed extensively. In this survey, we focus on these transfer learning methods in the application domains of smart home and wearables-based HAR. In particular, we provide a problem-solution perspective by categorizing and presenting the works in terms of their contributions and the challenges they address. We also present an updated view of the state-of-the-art for both application domains. Based on our analysis of 205 papers, we highlight the gaps in the literature and provide a roadmap for addressing them. This survey provides a reference to the HAR community, by summarizing the existing works and providing a promising research agenda. |
| تعداد صفحات | 40 |
| چکیده به فارسی (ترجمه ماشینی) | شناخت فعالیت انسانی مبتنی بر سنسور (HAR) به دلیل کاربردهای خود در محیط های هوشمند ، زندگی کمک شده ، تناسب اندام ، مراقبت های بهداشتی و غیره ، یک منطقه تحقیقاتی فعال بوده است.عملکرد هنری در حوزه هایی مانند دید رایانه و زبان طبیعی ، که مقادیر زیادی از داده های حاشیه نویسی در دسترس است.با این حال ، مقادیر زیادی از داده های حاشیه نویسی برای HAR مبتنی بر سنسور در دسترس نیست.علاوه بر این ، تنظیمات دنیای واقعی که HAR بر روی آن انجام می شود از نظر روش های سنسور ، کارهای طبقه بندی و کاربران هدف متفاوت است.برای رفع این مشکل ، یادگیری انتقال به طور گسترده ای به کار گرفته شده است.در این نظرسنجی ، ما بر این روشهای یادگیری انتقال در حوزه های کاربردی خانه هوشمند و HAR مبتنی بر پوشیدنی تمرکز می کنیم.به طور خاص ، ما با طبقه بندی و ارائه آثار از نظر مشارکت آنها و چالش هایی که به آنها می پردازیم ، یک چشم انداز حل مسئله ارائه می دهیم.ما همچنین یک نمای به روز شده از پیشرفته ترین ها برای هر دو حوزه برنامه ارائه می دهیم.بر اساس تجزیه و تحلیل ما از 205 مقاله ، ما شکاف های موجود در ادبیات را برجسته می کنیم و نقشه راه برای پرداختن به آنها ارائه می دهیم.این نظرسنجی با خلاصه کردن آثار موجود و ارائه یک برنامه تحقیقاتی امیدوارکننده ، به جامعه HAR اشاره می کند. |
| دسته بندی موضوعات | Machine Learning,Signal Processing,یادگیری ماشین ، پردازش سیگنال ، |
| توضیحات | Submitted 18 January, 2024; originally announced January 2024. , Comments: 40 pages, 5 figures, 7 tables |
| توضیحات به فارسی | ارائه شده در 18 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد ، نظرات: 40 صفحه ، 5 شکل ، 7 جدول |
| توجه کنید این مقاله به زبان انگلیسی است. |
|
برای سفارش ترجمه این مقاله می توانید به یکی از روش های تماس، پیامک، تلگرام و یا واتس اپ با شماره زیر تماس بگیرید:
09395106248 توجه کنید که شرایط ترجمه به صورت زیر است:
|