RFBoost:通过物理数据增强理解并提升深度WiFi感知性能
环境感知与上下文计算计算方法在HCI中的应用AI/ML 研究员与工程师HCI 研究员
本文提出RFBoost框架,旨在理解和提升基于深度学习的WiFi感知系统性能。研究团队重点探索物理层数据增强技术,通过在信号层面引入多样化的训练数据,提升深度学习模型的泛化能力和感知精度。实验证明,RFBoost能有效解决WiFi感知中数据稀缺和泛化能力不足的问题,在多个感知任务上取得显著性能提升。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 如何通过物理数据增强技术改进深度WiFi感知(DWS)的性能?分类: 活动识别、行为分割与身份判别方法同类问题arrow_forward
- 频域、时域和基于运动的增强方法如何有效扩展WiFi数据样本?分类: 活动识别、行为分割与身份判别方法同类问题arrow_forward
- RFBoost能在何种程度上提升人类活动识别的准确率,特别是在处理不平衡数据集时?分类: 活动识别、行为分割与身份判别方法同类问题arrow_forward
lightbulb
现实痛点
1- WiFi感知受制于数据稀缺,导致应用规模有限。分类: 活动识别、行为分割与身份判别方法同类问题arrow_forward
- 100%
基于动态贝叶斯网络的多模态上下文感知交互框架
IUI '25· 环境感知与上下文计算 +1
- 60%
个人行为数据生态系统的发展
CHI '18· 隐私设计与用户控制 +1
- 60%
AutoGain:通过子运动效率优化自适应增益函数
CHI '20· 手部手势识别 +1
- 60%
设计 ground truth 和标签的社会生活
CHI '21· 计算方法在HCI中的应用 +1
- 60%
模型草图:在机器学习模型早期设计中关注概念
CHI '23· AI 辅助决策与自动化系统 +1
- 60%
DeepSeer:通过状态抽象进行交互式RNN解释和调试
CHI '23· 可解释人工智能(XAI) +1
- 60%
《变革发生的渠道》:关于负责任AI的互人人际学习的过程、障碍和支持
CHI '25· AI 伦理、公平与问责 +1
- 60%
锚定偏差影响可解释人工智能系统中心智模型形成与用户依赖
IUI '21· 可解释人工智能(XAI) +1
- 60%
HINT:面向带人类反馈的AI功能的集成测试
IUI '22· AI 辅助决策与自动化系统 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
UbiComp
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
环境感知与上下文计算、计算方法在HCI中的应用
work
职业/产业
AI/ML 研究员与工程师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
9 篇相关论文