Adattamento Gated per l'Apprendimento Continuo nel Riconoscimento dell'Attività Umana

In arXiv:2603.10046, è stato introdotto un nuovo framework per l'apprendimento continuo efficiente in termini di parametri per il riconoscimento dell'attività umana (HAR) tramite sensori indossabili. Questo framework affronta il problema dell'oblio catastrofico nell'HAR incrementale per dominio utilizzando una modulazione gated per canale su rappresentazioni pre-addestrate congelate. Ciò consente ai modelli su dispositivo di adattarsi a nuovi utenti mantenendo le informazioni sensibili al sicuro e fuori dal cloud. L'idea principale è concentrarsi sulla selezione delle caratteristiche invece che sulla generazione, bilanciando l'accoglienza di nuovi compiti con la stabilità delle conoscenze esistenti. Questo metodo è particolarmente pertinente per applicazioni IoT, tra cui monitoraggio sanitario remoto, assistenza agli anziani e automazione domestica intelligente.