NapTune：基于前夜睡眠测量与可穿戴时间序列的情绪分类高效模型调谐
信号处理
2024-09-10 v1 人工智能
机器学习
摘要
睡眠已知然为情绪调节和整体心理健康的关键因素。在本研究中，我们探索了将前夜睡眠测量整合到基于可穿戴设备的情绪识别中。为此，我们提出了NapTune，一种新型prompt调谐框架，该框架利用与睡眠相关的测量作为额外输入，方法为每个Transformer层添加和训练轻量级prompt参数。通过严格的实证评估，我们证明了使用NapTune纳入睡眠数据不仅能提升不同可穿戴时间序列（包括ECG、PPG和EDA）的情绪识别性能，还能提高样本效率。我们的方法在与最佳基线和单模态变体之间展现出显著的改进。此外，我们分析了添加睡眠相关测量对识别不同情绪以及不同睡眠相关测量影响的程度。
引用
@article{arxiv.2409.04723,
title = {NapTune: Efficient Model Tuning for Mood Classification using Previous Night's Sleep Measures along with Wearable Time-series},
author = {Debaditya Shome and Nasim Montazeri Ghahjaverestan and Ali Etemad},
journal= {arXiv preprint arXiv:2409.04723},
year = {2024}
}
备注
Accepted at ICMI 2024