研究人员开发了一种名为场景自适应专家混合与聚类专家（SAMoE-C）的新方法，以改进使用信道状态信息（CSI）的人类活动识别。该方法通过一个基于注意力机制的语义路由器来激活仅相关的专家，从而解决了CSI系统在遇到不同物理环境时性能下降的问题，实现了场景特定的自适应。该系统还利用最小重放缓冲区来提高训练稳定性，并与现有的持续学习解决方案相比，显著降低了推理成本。 AI
影响 为基于CSI的活动识别系统在现实世界中的部署引入了一种更具可扩展性和效率的方法。
排序理由 详细介绍一种新的基于CSI的人类活动识别方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.06447v1 Announce Type: new Abstract: Channel state information (CSI)-based human activity recognition (HAR) is vulnerable to performance degradation under domain shifts across varying physical environments. Continual learning (CL) offers a principled way to learn new d…
Channel state information (CSI)-based human activity recognition (HAR) is vulnerable to performance degradation under domain shifts across varying physical environments. Continual learning (CL) offers a principled way to learn new domains sequentially while preserving past knowle…