MCSTN网络发布：鲁棒识别缺失传感器活动

2026年10月27日，Jiangtao Fan等人在arXiv cs.AI分类下发布了一篇关于缺失条件时空融合网络（MCSTN）的技术报告。该报告提出了一种端到端框架，旨在解决传感器数据缺失或存在噪声情况下的人类活动识别鲁棒性问题。 在PAMAP2、Opportunity和WISDM三个基准数据集的测试中，MCSTN在观测不完整时分别取得了94.24%、91.67%和96.22%的平均macro-F1分数，验证了其在低质量数据下的有效性。此外，该方法参数量少于百万，单样本推理延迟为3.78毫秒，且推理阶段无需重构数据或估计噪声水平。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。