通过有监督的对比学习评估康复运动的质量，包括困难和软负例
原文中文，约300字，阅读约需1分钟。发表于：。通过引入一种新的监督对比学习框架，该框架结合了硬负样本和软负样本，利用整个数据集训练一种适用于所有运动类型的单个模型，从而提高了运动评估的泛化能力，并降低了总体复杂性，我们的方法在多个数据集上展示了胜过现有方法的结果，创立了康复运动评估准确性的新的基准。
本研究使用基于阈值的弱监督模型和梯度可解释人工智能技术，在中风幸存者的数据集中探索时序数据的可行性。通过前馈神经网络模型和梯度，识别涉及补偿动作的显著框架。评估结果显示，该方法在召回率和F2分数上取得了较高的成绩。这表明基于梯度的可解释人工智能技术在时序数据中具有潜力，可减少模型训练中的标签工作量。
