ウェアラブルを用いた人間行動認識におけるラベル依存性の低減：教師あり学習から新しい弱自己教師ありアプローチへ

本論文では、ウェアラブルセンサーを用いた人間行動認識（HAR）において、ラベル付きデータへの依存性を低減する方法を検討しています。教師あり学習、教師なし学習、弱教師あり学習、マルチタスク学習、自己教師あり学習など、さまざまな機械学習パラダイムを調査しています。主な貢献は、ドメイン知識と最小限のラベル付きデータを組み合わせた、新しい弱自己教師あり学習フレームワークです。実験結果は、提案された弱教師あり手法が、教師あり手法と同等の性能を達成しながら、教師ありの要件を大幅に削減できることを示しています。マルチタスクフレームワークも、知識共有を通じてパフォーマンスの向上を示しています。この研究は、HARにおけるラベル付きデータの制限という実際的な課題に対処し、よりアクセスしやすくスケーラブルにするため、重要です。