热点事件持续更新

少样本学习提升个性化疼痛评估准确率

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

Heinke Hihn 等作者发表论文，将少样本学习用于自动疼痛评估的个性化，把从群体到个体的评估转变视为任务域迁移。在 BioVid、SenseEmotion 和 PMED 三个数据集上，二分类与多分类准确率分别达到 85.75%、35.49%、82.37%、41.88% 和 90.47%；采用 k-shot 条件化后提升至 86.25%、40.06%、83.43%、44.08% 和 91.25%。

AI 根据报道生成 · 2 小时前更新

最新进展10月8日 12:00

基于少样本学习的个性化自动疼痛评估

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv cs.LG
基于少样本学习的个性化自动疼痛评估
研究将少样本学习用于自动疼痛评估的个性化，把从群体到个体的评估转变视为任务域迁移。在 BioVid、SenseEmotion 和 PMED 数据集上，二分类与多分类准确率分别达 85.75%、35.49%、82.37%、41.88% 和 90.47%；采用 k-shot 条件化后提升至 86.25%、40.06%、83.43%、44.08% 和 91.25%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。