PulseAugur
中
实时 17:43:13
English(EN) Evaluating Interactive 2D Visualization as a Sample Selection Strategy for Biomedical Time-Series Data Annotation

二维可视化有助于生物医学时间序列数据标注

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文探讨了交互式二维可视化作为选择样本用于标注生物医学时间序列数据的策略。该研究将这种称为2DV的方法与随机抽样（RND）和最远点遍历（FAFT）在婴儿运动评估和语音情感识别任务中进行了比较。结果表明，在聚合标签时，2DV通常表现最佳，尤其是在捕获稀有类别和有专家标注者的情况下，而FAFT在预算受限的情况下，当模型基于单个标注者的标签进行训练时表现出色。研究还指出，2DV使标注过程对参与者更具吸引力。 AI

排序理由 一篇在arXiv上发表的研究论文，详细介绍了一种新的数据标注方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Einari Vaaras, Manu Airaksinen, Okko R\"as\"anen ·

    Evaluating Interactive 2D Visualization as a Sample Selection Strategy for Biomedical Time-Series Data Annotation

    arXiv:2603.26592v2 Announce Type: replace-cross Abstract: Reliable machine-learning models in biomedical settings depend on accurate labels, yet annotating biomedical time-series data remains challenging. Algorithmic sample selection may support annotation, but evidence from stud…

相关话题