SleepPriorCL：基于先验知识正样本挖掘与自适应温度的对比表示学习用于睡眠分期
信号处理
2021-10-20 v1 机器学习
摘要
本文的目标是从原始生理时间序列中学习用于睡眠分期的语义表示。尽管监督方法已取得显著性能，但由于需要完全标注数据，它们在临床场景中受到限制。基于对比语义相似（正）与不相似（负）样本对的自我监督学习（SSL）已取得可喜成功。然而，现有 SSL 方法存在许多语义相似正样本仍未被发掘甚至被当作负样本的问题。本文中，我们提出一种名为 SleepPriorCL 的新型 SSL 方法来缓解上述问题。我们的方法相对于现有 SSL 方法的进展有两点：1）通过将先验领域知识纳入 SSL 的训练机制，可在不访问真实标签的情况下发现更多语义相似正样本；2）通过研究对比损失中温度的影响，进一步提出根据先验领域知识为每个样本设定自适应温度的机制，从而获得更好性能。大量实验表明，我们的方法达到了最先进性能并持续优于基线。
引用
@article{arxiv.2110.09966,
title = {SleepPriorCL: Contrastive Representation Learning with Prior Knowledge-based Positive Mining and Adaptive Temperature for Sleep Staging},
author = {Hongjun Zhang and Jing Wang and Qinfeng Xiao and Jiaoxue Deng and Youfang Lin},
journal= {arXiv preprint arXiv:2110.09966},
year = {2021}
}