噪声基于机器学习的焦虑检测中影响的比较研究
机器学习
2023-06-26 v2 人工智能
信号处理
摘要
可穿戴健康设备正开启连续、无创远程监测的新时代。该技术的一个应用在于焦虑检测。焦虑检测的诸多进展发生于受控实验室环境，但噪声阻碍这些进展推广至真实世界条件。我们旨在通过研究噪声如何影响模型性能并开发对噪声真实世界条件鲁棒、从而适应日常纷扰的模型来推进该领域。本研究考察先前方法失败的原因与方式。使用可穿戴压力与情感检测（WESAD）数据集，我们比较不同强度噪声对机器学习模型在三类分类问题（基线 vs. 压力 vs. 娱乐）中生理唤醒水平分类的影响。在引入噪声前，我们的基线模型性能达 98.7%，相较 Schmidt 2018 年的 80.3%。我们通过细致评估特征提取与模型架构选择，讨论该结果差异的潜在来源。最后，在引入噪声后，我们对噪声对各模型架构的影响提供透彻分析。
引用
@article{arxiv.2306.01110,
title = {Comparative Study on the Effects of Noise in ML-Based Anxiety Detection},
author = {Samuel Schapiro and Abdul Alkurdi and Elizabeth Hsiao-Wecksler},
journal= {arXiv preprint arXiv:2306.01110},
year = {2023}
}
备注
Did not undergo sufficient review by all authors