走向在人类活动识别中使用大型语言模型的先驱传感器和特征
摘要：使用大型语言模型（LLMs），我们提出了一种特征开拓方法。在提出的方法中，我们使用Chat-GPT 1来寻找新的传感器位置和新的特征。然后，我们使用Opportunity数据集[4，9]评估使用找到的特征的机器学习模型。在现有的机器学习中，人类制定特征，工程师访问实地并与专家和资深工人讨论。然而，这种方法存在特征质量依赖于工程师的问题。为了解决这个问题，我们提出了一种使用LLMs生成新特征的方法。结果表明，我们几乎可以达到使用更少传感器的提出模型的准确度水平，而且该模型使用了数据集中的所有传感器。这表明，所提出的方法能够高效地提取重要特征。
作者：Haru Kaneko, Sozo Inoue
论文ID：2306.16017
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-06-29