StressNAS：基于神经架构搜索的情绪状态与压力检测
机器学习
2021-08-31 v1 人工智能
摘要
智能手表已快速发展至能够精确捕获生理信号的能力。作为一项引人关注的应用，压力检测因其对人类健康的潜在益处而吸引众多研究。探究深度神经网络(DNN)通过生理信号增强人类决策制定的适用性颇有前景。然而，由于该现象的复杂性，手动设计 DNN 在压力检测中是一项繁琐任务。为此，我们提出一种优化的深度神经网络训练方案，仅使用来自 WESAD 的腕戴数据，利用神经架构搜索进行训练。实验表明，在使用 WESAD 腕部信号组合的三状态与二状态分类器中，我们的方法分别比传统 ML 方法高出 8.22% 与 6.02%。此外，所提方法能在最小化人工设计 DNN 需求的同时，将性能提升 4.39%（三状态）与 8.99%（二分类）。
引用
@article{arxiv.2108.12502,
title = {StressNAS: Affect State and Stress Detection Using Neural Architecture Search},
author = {Lam Huynh and Tri Nguyen and Thu Nguyen and Susanna Pirttikangas and Pekka Siirtola},
journal= {arXiv preprint arXiv:2108.12502},
year = {2021}
}
备注
5 pages, 2 figures