基于 Transformer 的多变量时间序列建模与机器学习集成提升用户睡眠预测：TraM 方法
机器学习
2024-10-16 v1 人工智能
摘要
本文提出一种新方法，利用基于 Transformer 的多变量时间序列模型和机器学习集成来预测人类睡眠质量、情绪状态和压力水平。我们开发了标签计算公式，并将多种模型应用于用户数据。对于时间序列特征至关重要的标签使用时间序列 Transformer，而对于需要综合日常活动统计信息的标签采用机器学习集成。基于预训练，时间序列 Transformer 在捕获时间序列特征方面表现突出，而机器学习集成则挑选满足分类标准的机器学习模型。所提出的模型 TraM 在实验中获得 6.10 分，显示优于其他方法。TraM 框架的代码和配置已公开于 https://github.com/jin-jae/ETRI-Paper-Contest。
关键词
引用
@article{arxiv.2410.11293,
title = {TraM : Enhancing User Sleep Prediction with Transformer-based Multivariate Time Series Modeling and Machine Learning Ensembles},
author = {Jinjae Kim and Minjeong Ma and Eunjee Choi and Keunhee Cho and Chanwoo Lee},
journal= {arXiv preprint arXiv:2410.11293},
year = {2024}
}