本文介绍了一种无监督的远程光电脉搏测量方法，利用3D卷积神经网络和对比损失训练模型，显著提高了测量精度和运行速度。该方法在多个数据集上测试成功，展现出良好的噪声鲁棒性和泛化能力，适用于远程生理监测。

本文提出了一种结合主动学习和半监督学习的数据驱动软测量方法，利用正交自编码器预测化工过程中的难测变量。实验证明，该方法在流式数据下选择信息量大的数据点，预测效果优于传统方法。此外，研究探讨了多模态数据生成建模、传感器融合及深层潜变量模型在生理监测中的应用，展示了其在数据分析和临床诊断中的潜力。