Core Concepts
TROTメソッドは、時系列データの間に埋め込まれた時間関係知識を活用し、ドメイン適応問題を解決するために提案されました。
Abstract
現在の研究は、各ドメイン内のサンプルが同一確率分布から抽出されるという仮定に基づいています。
TROTメソッドは、時間関係表現を取得し、特徴ベースのデータ分布整合を完了しています。
3つのHAR公開データセットで包括的な実験が行われ、TROT方法が他の最先端方法よりも優れた性能を示しています。
Introduction
人間活動認識(HAR)は重要な研究領域であり、様々なアプリケーションに応用されています。
現在の研究では、トレーニングとテストデータが同じ分布から抽出されるという仮定が主流です。
Methodology
TROTメソッドは時間関係知識を捉え、i.i.d.仮定を緩和している。
HMMとOT技術を組み合わせてクロスユーザーHARを実装しています。
Experiments and Results
TROT方法は3つのHAR公開データセットで最高の精度を達成しました。
他の手法も異なるデータセットや特定のタスクに応じてパフォーマンスが異なります。
Stats
TROT方法は全ての6つのタスクで最高精度100%を達成しました。