自监督学习模型在基于传感器的人类活动识别中的表征解释、分析和探索（英文版）

英文标题：Explaining, Analyzing, and Probing Representations of Self-Supervised Learning Models for Sensor-based Human Activity Recognition中文摘要：本文研究自监督学习在传感器人体活动识别中的应用，并分析了两个最近的自监督学习框架 SimCLR 和 VICReg 的深层表示，比较了监督和自监督模型对输入数据噪声的鲁棒性，并通过可解释性方法探索了 SSL 和监督表示中编码的性质。研究表明，自监督学习表示比监督模型更加鲁棒，但监督模型学习到的特征更加均匀且更好地编码了活动的性质。英文摘要：In recent years, self-supervised learning (SSL) frameworks have beenextensively applied to sensor-based Human Activity Recognition (HAR) in orderto learn deep representations without data an