自监督学习增强变压器在 PPG 信号伪迹检测中的鲁棒性和效能
原文中文，约600字，阅读约需2分钟。发表于：。该研究在儿童重症监护单元 (CHU Sainte Justine's PICU) 的最新研究中发现，在 PPG 信号的伪迹检测方面，传统的机器学习方法（如半监督标签传播和 K 最近邻算法）在数据有限时效果优于基于 Transformer 模型的方法。本研究通过自我监督学习 (Self-Supervised Learning, SSL)...
研究发现传统机器学习方法在伪迹检测方面优于基于Transformer模型的方法。自我监督学习能够增强Transformer模型的表示学习能力，提高伪迹分类的稳健性。对比学习是最稳定且性能最优的SSL技术，适用于小规模PPG数据集。引入新的对比损失函数有助于提高伪迹分类性能。该研究证实了SSL在利用未标记数据方面的效果，并有望在注释数据有限的PICU环境中应用。
