使用可穿戴设备减少人类活动识别中的标签依赖性：从监督学习到新颖的弱自监督方法

本文探讨了使用可穿戴设备通过减少对标记数据的依赖来改进人类活动识别（HAR）的方法。它从传统的监督学习转向弱自监督方法，这是人工智能的一个重要研究领域，特别是在传感器数据和边缘计算的背景下。 专注于弱自监督学习表明，该研究试图提高模型性能并降低数据标注的成本。

• •侧重于减少人类活动识别中的标签依赖性。
• •探索弱自监督学习方法。
• •应用于可穿戴设备和传感器数据。