基于 WBAN 的健康监测主动学习方法
机器学习
2024-08-07 v1 网络与互联网体系结构
摘要
我们考虑了一个新颖的主动学习问题，源于对在无线身体区域网络（WBAN）中进行健康监测学习机器学习模型需求的考虑。由于身体传感器的资源有限，收集 WBAN 中的每个未标记样本都会产生显著的成本。此外，训练健康监测模型通常需要表示患者健康状态的标签，这些标签需要由医疗专业人员生成，无法与数据收集的速度相匹配。这些挑战使我们的問題在根本上不同于经典主动学习，其中未标记样本是免费的，标签可以实时查询。在处理这些挑战方面，我们提出了一种两阶段主动学习方法，包括一个在线阶段，其中提出了基于其噪声预测选择子集未标记样本的核心集构建算法，以及一个离线阶段，其中对所选样本进行标记以训练目标模型。我们证明了我们算法所选样本在评估损失函数时对完整数据集的近似误差得到保证。基于真实健康监测数据和我们自己的实验评估表明，我们的解决方案可以在不牺牲目标模型质量的前提下大幅降低数据标注成本。
引用
@article{arxiv.2408.02849,
title = {Active Learning for WBAN-based Health Monitoring},
author = {Cho-Chun Chiu and Tuan Nguyen and Ting He and Shiqiang Wang and Beom-Su Kim and Ki-Il Kim},
journal= {arXiv preprint arXiv:2408.02849},
year = {2024}
}