論文の概要: Learning with Category-Equivariant Architectures for Human Activity Recognition

• arxiv url: http://arxiv.org/abs/2511.01139v2
• Date: Tue, 04 Nov 2025 02:33:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.079093
• Title: Learning with Category-Equivariant Architectures for Human Activity Recognition
• Title（参考訳）: 人間活動認識のためのカテゴリー同変アーキテクチャによる学習
• Authors: Yoshihiro Maruyama,
• Abstract要約: 慣性センサを用いたHAR(Human Activity Recognition)のためのカテゴリー等価ニューラルネットワークであるCatEquivを提案する。 本稿では, 周期的時間シフト, 正のゲインスケーリング, センサ・ヒエラルキー・ポーズを共同で表現する対称性のカテゴリーを導入し, データのカテゴリー対称性構造を捉える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose CatEquiv, a category-equivariant neural network for Human Activity Recognition (HAR) from inertial sensors that systematically encodes temporal, amplitude, and structural symmetries. We introduce a symmetry category that jointly represents cyclic time shifts, positive gain scalings, and the sensor-hierarchy poset, capturing the categorical symmetry structure of the data. CatEquiv achieves equivariance with respect to the categorical symmetry product. On UCI-HAR under out-of-distribution perturbations, CatEquiv attains markedly higher robustness compared with circularly padded CNNs and plain CNNs. These results demonstrate that enforcing categorical symmetries yields strong invariance and generalization without additional model capacity.
• Abstract（参考訳）: 本研究では,時間的,振幅的,構造的対称性を体系的に符号化する慣性センサから,HAR(Human Activity Recognition)のカテゴリ等価ニューラルネットワークであるCatEquivを提案する。 本稿では, 周期的時間シフト, 正のゲインスケーリング, センサ・ヒエラルキー・ポーズを共同で表現する対称性のカテゴリーを導入し, データのカテゴリー対称性構造を捉える。 CatEquiv は圏対称性積に対して同値である。 分布外摂動下でのUCI-HARでは、CatEquivは円板状CNNや平板状CNNに比べて顕著に頑丈である。 これらの結果は、カテゴリー対称性の強制は、モデルキャパシティを追加せずに強い不変性と一般化をもたらすことを示す。

関連論文リスト

• Learning with Category-Equivariant Representations for Human Activity Recognition [0.0]
  本稿では,信号の時間,スケール,センサの階層的変化を捉えた分類的対称性認識学習フレームワークを提案する。 我々はこれらの要素を特徴表現の構造に組み込み、センサー間の関係を自動的に保存するモデルを生成する。 UCI Human Activity Recognitionベンチマークでは、このカテゴリーの対称性駆動設計により、約46ポイントの精度で分布外精度が向上する。
  論文  参考訳（メタデータ） (2025-11-02T11:37:36Z)
• ReDiSC: A Reparameterized Masked Diffusion Model for Scalable Node Classification with Structured Predictions [64.17845687013434]
  本稿では,構造化ノード分類のための構造拡散モデルであるReDiSCを提案する。 本稿では,ReDiSCが最先端のGNN,ラベル伝搬,拡散ベースラインと比較して,優れた,あるいは高い競争力を発揮することを示す。 特にReDiSCは、従来の構造化拡散法が計算制約によって失敗する大規模データセットに効果的にスケールする。
  論文  参考訳（メタデータ） (2025-07-19T04:46:53Z)
• Stochastic Neural Network Symmetrisation in Markov Categories [2.0668277618112203]
  我々は、群準同型に沿ってニューラルネットワークをシンメトリする問題を考察する。 これをマルコフ圏の項で定式化する。 シンメトリションのためのフレキシブルで構成的な枠組みを得る。
  論文  参考訳（メタデータ） (2024-06-17T17:54:42Z)
• Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
  我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。 我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。 本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
  論文  参考訳（メタデータ） (2024-05-22T17:23:15Z)
• Learning Layer-wise Equivariances Automatically using Gradients [66.81218780702125]
  畳み込みは等価対称性をニューラルネットワークにエンコードし、より優れた一般化性能をもたらす。 対称性は、ネットワークが表現できる機能、事前に指定する必要、適応できない機能に対して、固定されたハード制約を提供する。 私たちのゴールは、勾配を使ってデータから自動的に学習できるフレキシブル対称性の制約を可能にすることです。
  論文  参考訳（メタデータ） (2023-10-09T20:22:43Z)
• Balanced Classification: A Unified Framework for Long-Tailed Object Detection [74.94216414011326]
  従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。 本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。 BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2023-08-04T09:11:07Z)
• Understanding Imbalanced Semantic Segmentation Through Neural Collapse [81.89121711426951]
  セマンティックセグメンテーションは自然に文脈的相関とクラス間の不均衡分布をもたらすことを示す。 機能中心にレギュレータを導入し、ネットワークが魅力ある構造に近い機能を学ぶことを奨励する。 我々の手法は、ScanNet200テストリーダーボードで1位にランクインし、新しい記録を樹立する。
  論文  参考訳（メタデータ） (2023-01-03T13:51:51Z)
• Semantic Correspondence with Transformers [68.37049687360705]
  本稿では,変換器を用いたコストアグリゲーション(CAT)を提案し,意味論的に類似した画像間の密接な対応を見出す。 初期相関マップと多レベルアグリゲーションを曖昧にするための外観親和性モデリングを含む。 提案手法の有効性を示す実験を行い,広範囲にわたるアブレーション研究を行った。
  論文  参考訳（メタデータ） (2021-06-04T14:39:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。