实体
WESAD
WESAD
PulseAugur coverage of WESAD — every cluster mentioning WESAD across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新方法利用基础模型实现可穿戴设备压力检测个性化
研究人员开发了一种新颖的方法，利用基础模型和检索增强技术来实现压力检测模型的个性化。该方法通过利用用户的历史数据创建个性化嵌入，解决了生理反应的个体间差异性挑战。该方法在不要求用户标记数据的情况下，实现了与监督微调相当的性能，并在 WESAD 数据集上展示了准确率和 F1 分数的显著提高。它还显示出在用户历史数据有限情况下的鲁棒性以及跨数据集个性化的潜力。
-
深度学习模型在生理信号情感识别准确率达98.91%
研究人员开发了一种用于从生理信号识别情感的深度学习方法，准确率高达98.91%。该研究使用包含腕部和胸部传感器数据的WESAD数据集，评估了长短期记忆（LSTM）、时序卷积网络（TCN）和Transformer模型。研究结果表明，Transformer模型在多模态输入方面表现最佳，而TCN在仅使用腕部数据时表现优异。结合所有架构和模态预测的集成方法获得了最高的整体性能。
-
新模型为生理传感器提供可解释的异常检测
研究人员开发了一个名为蒸馏解释模型（DEM）的新框架，用于生理传感器数据中的异常检测。这个三阶段模型旨在提供高准确性和可解释的解释，与黑盒方法不同。DEM将梯度提升专家知识蒸馏到决策树中，提供人类可读的规则，并实现适合实时监控的快速推理时间。