本文提出了一个由多个孪生网络组成的模型，用于将活动数据样本映射为固定大小的表示向量，以进行聚类算法。通过对三个数据集的评估，验证了该模型在连续人体活动序列的分割和识别方面的有效性。

本文提出了一种新的自知识蒸馏方法，通过孪生表示学习最小化给定样本的两个不同视图的表示向量之间的差异，利用软标签蒸馏和表示向量的相似性，生成更一致的预测和表示。在标准数据集上验证了其显着提高精确度的效果。

本文介绍了一种新的自知识蒸馏方法，通过孪生表示学习最小化给定样本的两个不同视图的表示向量之间的差异，并利用软标签蒸馏和表示向量的相似性，生成更一致的预测和表示。在多个标准数据集上验证了其显著提高精确度的效果。