PainNAS 架构搜索方法

留一被试（LOSO）评估常用于基于被试的分类任务，但完全嵌套的神经架构搜索（NAS）计算成本随被试数呈 O(N^2) 增长。作者提出一种基于块、跨被试共享 NAS 运行的无泄漏方法。在 BioVid 热痛数据集上，平均准确率从 82.79% 提升至 83.39%，参数量最多减少 99.2%。

论文针对自动疼痛评估中留一被试（LOSO）评估嵌入神经架构搜索计算量随被试数平方增长的问题，提出基于分块、控制泄漏的 PainNAS 方法，将搜索次数从 N 降至 B（B 远小于 N）。在 BioVid 热痛数据集上，PainNAS 以显著更少的参数与 FLOPs 取得可比的被试级准确率。