要約
この論文では、非侵入型 Wi-Fi チャネル状態情報 (CSI) データに焦点を当て、パッシブ レーダーを使用した人間活動認識 (HAR) の新しい方法を検討します。
従来の HAR アプローチでは、カメラやウェアラブルなどの侵襲的なセンサーが使用されることが多く、プライバシーの問題が生じます。
この研究では、CSI の非侵入型の性質を利用し、スパイキング ニューラル ネットワーク (SNN) を使用して人間の動きによって引き起こされる信号の変動を解釈します。
これらのネットワークは、DeepProbLog などの記号推論フレームワークと統合されており、HAR システムの適応性と解釈性を強化します。
SNN は消費電力を削減し、プライバシーを重視するアプリケーションに最適です。
実験結果は、SNN ベースの神経象徴モデルが高い精度を達成し、さまざまなドメインにわたる HAR の有望な代替となることを示しています。
要約(オリジナル)
The thesis explores novel methods for Human Activity Recognition (HAR) using passive radar with a focus on non-intrusive Wi-Fi Channel State Information (CSI) data. Traditional HAR approaches often use invasive sensors like cameras or wearables, raising privacy issues. This study leverages the non-intrusive nature of CSI, using Spiking Neural Networks (SNN) to interpret signal variations caused by human movements. These networks, integrated with symbolic reasoning frameworks such as DeepProbLog, enhance the adaptability and interpretability of HAR systems. SNNs offer reduced power consumption, ideal for privacy-sensitive applications. Experimental results demonstrate SNN-based neurosymbolic models achieve high accuracy making them a promising alternative for HAR across various domains.
arxiv情報
著者 | Christian Bresciani,Federico Cerutti,Marco Cominelli |
発行日 | 2024-10-31 17:28:41+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google