arXiv cs.AI· Huaming Du, Zhixian Xie, Gaoyang Zhen, Gang Kou, Guisong Liu, Yanchao Tan, Wendan Tao, Yuhao Xu, Carl Yang·· 7 天前AI 评分33
通过结构化剪枝与自适应微调释放穿戴信号 PPG 基础模型的能力
Unlocking the Specialization Capability of PPG Foundation Models for Wearable Signals through Structured Pruning and Adaptive Fine-Tuning
AI 导读
研究人员提出结构化剪枝与微调框架 SPAFT，通过基于参数重要性和结构冗余将自适应微调约束在紧凑的相关参数空间中，提升 PPG 基础模型对穿戴设备信号的适配能力。在涵盖 4 个 PPG 基础模型、5 个 benchmark 数据集和 10 个下游任务的实验中，SPAFT 在回归与分类任务上分别取得 82.8% 和 87.5% 的胜率，达到了 SOTA 性能。
来源：arXiv cs.AI · arxiv.org