Reconnaissance d'activités de la vie quotidienne au moyen de capteurs domotiques et d'apprentissage profond : lorsque syntaxe, sémantique et contexte se rencontrent

Abstract

Résumé. — Dans la thématique grandissante de la reconnaissance d’activités de la vie quotidienne au sein de maisons intelligentes, les réseaux de neurones basées sur les Long Short Term Memory (LSTM) ont démontré leur efficacité. En étudiant l’ordre des activations des capteurs et leurs dépendances temporelles, on traduit les actions humaines commeunesuited’événementsdansletempsplusoumoinscorrélés.Cependant,l’activitéhumainen’estpasunesuited’actionsdénuéesdesensnidecontexte.Nousproposons d’utiliseretdecomparerdeuxméthodesprovenantdutraitementdulangagenaturelpour,justement,prendreencomptelasémantiqueetlecontextedescapteursafind’améliorer lesalgorithmesdanslestâchesdeclassificationdeséquencesd’activités:Word2Vec,unembeddingdesémantiquestatique,etELMo,unembeddingcontextuel.Lesrésultats,