生物信号的新测试时场景：概念及其方法
信号处理
2024-11-28 v1 机器学习
摘要
在线测试时适应（OTTA）通过在测试期间更新预训练模型以 unlabeled 数据增强模型鲁棒性。在医疗保健领域，OTTA 对诸如从生物信号预测血压等实时任务至关重要，需要持续适应。我们提出一种新的测试时场景，包含 unlabeled 样本流和偶尔出现的 labeled 样本。我们的框架结合监督学习和自监督学习，采用双队列缓冲区和加权批量采样以平衡数据类型。实验表明，在现实条件下，方法在准确率和适应性方面均取得改进。
引用
@article{arxiv.2411.17785,
title = {New Test-Time Scenario for Biosignal: Concept and Its Approach},
author = {Yong-Yeon Jo and Byeong Tak Lee and Beom Joon Kim and Jeong-Ho Hong and Hak Seung Lee and Joon-myoung Kwon},
journal= {arXiv preprint arXiv:2411.17785},
year = {2024}
}
备注
Findings paper presented at Machine Learning for Health (ML4H) symposium 2024, December 15-16, 2024, Vancouver, Canada, 6 pages