基于深度多任务网络的个性化学生压力预测
机器学习
2019-06-28 v1 计算机与社会
机器学习
摘要
随着可穿戴设备的日益普及，利用从这些设备收集的生理数据来预测佩戴者的心理状态（如情绪和压力）的能力显示出巨大的临床应用前景，但这样的任务极具挑战性。在本文中，我们提出了一个用于行为状态（如学生的压力水平）个性化预测建模的通用平台。通过使用自编码器和多任务学习，我们将压力预测扩展到被动传感器数据序列和高层协变量。我们的模型在从移动传感器数据预测压力水平方面优于当前最先进的技术，在StudentLife数据集上的F1分数提高了45.6%。
引用
@article{arxiv.1906.11356,
title = {Personalized Student Stress Prediction with Deep Multitask Network},
author = {Abhinav Shaw and Natcha Simsiri and Iman Deznaby and Madalina Fiterau and Tauhidur Rahaman},
journal= {arXiv preprint arXiv:1906.11356},
year = {2019}
}
备注
4 Pages, without references. Published in Proceedings of the 1st Adaptive & Multitask Learning Workshop,Long Beach, California, 2019