.png){kind=icon}
返回
CRoP: Context-wise Robust Static Human-Sensing Personalization
.png){kind=icon}
OA
AI
DOI：10.1145/3729483.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度学习和物联网的进步促进了多样化的人体传感应用。然而，受各种因素或环境影响的不同人体传感模式，由于自然分布偏移，挑战了通用神经网络的性能。为此，个性化技术将模型适配于个体用户。但多数个性化研究忽视了感官数据中用户在不同情境下的内部异质性，限制了用户内部的泛化能力。这一局限性在临床应用中尤为关键，因为数据有限性同时阻碍了泛化与个性化。值得注意的是，外部因素（如治疗进展）可能导致用户内部传感属性发生变化，进一步加剧了挑战。为应对用户内部泛化难题，本研究提出CRoP，一种新型静态个性化方法。CRoP利用现成预训练模型作为通用起点，通过在最小子网络上进行自适应剪枝捕捉用户特有特征，同时允许剩余参数整合通用知识。CRoP在四个人体传感数据集（含两个真实健康领域数据集）上展现出卓越的个性化效果和用户内部鲁棒性，凸显了其应用与社会价值。此外，为支持CRoP的泛化能力与设计选择，我们通过梯度内积分析、消融研究和与最先进基准的比较提供了实证依据。
Keyword:
deep learning
internet-of-things
human sensing
personalization
intra-user generalization
期刊
P
IF:
4.5
论文数:
1.1K
被引数:
7.2K
机构
暂无机构信息
.png){kind=icon}
