近日，我院徐昊教授团队的论文“Federated Multi-Task Attention for Cross-Individual Human Activity Recognition”被IJCAI 2022录用。论文的第一作者为伟德BETVlCTOR1946博士生申强，第二作者为硕士生冯昊天，通讯作者为徐昊教授，作者还包括Fausto Giunchiglia教授等。
数据隐私和数据异质性问题是人类活动识别（Human Activity Recognition, HAR）所面临的两个重要挑战。本文提出了一种联邦多任务注意力框架FedMAT （Federated Multi-task Attention Framework），可以有效提取多模态传感器数据中的共享特征与个体独有特征，并通过本地化模型训练和参数传输的方式保护用户数据隐私。FedMAT由存储在中央服务器中的共享特征表示网络和多个存储在本地代理节点中的注意力网络共同组成。在模型训练过程中，框架中的共享特征表示网络对全局特征进行学习，而分布式注意力模块可以有效地从全局特征中学习每个代理节点所独有的特征表示，进而实现模型泛化能力的提升。该项工作在三个公开基准数据集和一个新建数据集上得到的实验结果证明了框架的优越性和广泛适用性，在解决HAR任务中的数据异质性问题的同时，更加有效保障了用户的数据隐私。
IJCAI是人工智能领域顶级国际会议，也是计算机学会所收录的人工智能领域A类会议。本次会议录用率为15%。IJCAI 2022将于2022年7月23日至29日在奥地利维也纳举办。
