★ 2
多模态深度学习可穿戴生理情绪识别对比研究
研究在 WESAD 与 EmoWear 两个多模态可穿戴数据集上,对比双向 LSTM、TCN 与 Transformer 在腕部、胸部及多模态配置下的情绪识别表现。结果显示架构优劣取决于数据集特性,多模态传感始终优于单一部位,4Hz 采样即可接近高频性能并大幅降低训练成本。
arXiv cs.LG42 天前
共 2 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究在 WESAD 与 EmoWear 两个多模态可穿戴数据集上,对比双向 LSTM、TCN 与 Transformer 在腕部、胸部及多模态配置下的情绪识别表现。结果显示架构优劣取决于数据集特性,多模态传感始终优于单一部位,4Hz 采样即可接近高频性能并大幅降低训练成本。
论文提出基于学习的框架,利用 TCN-Transformer 混合模型从连续 CDM 数据中提前预测卫星交会碰撞概率。方法先以无迹变换评估碰撞风险对 CDM 参数的敏感性,再用 PCA 筛选关键特征,构建时序增强数据集训练模型。该框架在 TÜBİTAK UZAY 实际 CDM 数据上验证,有望为低…