論文の概要: PULSE: Privileged Knowledge Transfer from Electrodermal Activity to Low-Cost Sensors for Stress Monitoring

• arxiv url: http://arxiv.org/abs/2510.24058v1
• Date: Tue, 28 Oct 2025 04:35:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-29 15:35:36.757971
• Title: PULSE: Privileged Knowledge Transfer from Electrodermal Activity to Low-Cost Sensors for Stress Monitoring
• Title（参考訳）: PULSE:ストレスモニタリングのための電気的活動から低速度センサへの予備的知識伝達
• Authors: Zihan Zhao, Masood Mortazavi, Ning Yan,
• Abstract要約: 自己指導型事前学習においてのみEDAを利用するフレームワークを提案する。 このアプローチでは、エンコーダ出力を共有およびプライベートな埋め込みに分離する。 WESADでは, 強い応力検出性能を実現する。
• 参考スコア（独自算出の注目度）: 6.9635835802118775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electrodermal activity (EDA), the primary signal for stress detection, requires costly hardware often unavailable in real-world wearables. In this paper, we propose PULSE, a framework that utilizes EDA exclusively during self-supervised pretraining, while enabling inference without EDA but with more readily available modalities such as ECG, BVP, ACC, and TEMP. Our approach separates encoder outputs into shared and private embeddings. We align shared embeddings across modalities and fuse them into a modality-invariant representation. The private embeddings carry modality-specific information to support the reconstruction objective. Pretraining is followed by knowledge transfer where a frozen EDA teacher transfers sympathetic-arousal representations into student encoders. On WESAD, our method achieves strong stress-detection performance, showing that representations of privileged EDA can be transferred to low-cost sensors to improve accuracy while reducing hardware cost.
• Abstract（参考訳）: ストレス検出の主要な信号である電磁活動(EDA)は、現実のウェアラブルでは利用できない高価なハードウェアを必要とする。 本稿では,ECG, BVP, ACC, TEMPなどの簡易なモダリティを持ちながら, 自己教師付き事前学習時にのみEDAを利用するフレームワークであるPULSEを提案する。 このアプローチでは、エンコーダ出力を共有およびプライベートな埋め込みに分離する。 モダリティ間で共有埋め込みを整列し、それらをモダリティ不変表現に融合する。 プライベート埋め込みは、再構成目的を支援するために、モダリティ固有の情報を運ぶ。 予習は、凍結したEDA教師が交感神経刺激の表現を学生エンコーダに伝達する知識伝達に続く。 WESADでは, ハードウェアコストを低減しつつ, その精度を向上させるために, 特権EDAの表現を低コストのセンサに転送できることを示す。

関連論文リスト

• Learning More with Less: A Generalizable, Self-Supervised Framework for Privacy-Preserving Capacity Estimation with EV Charging Data [84.37348569981307]
  自己教師付き事前学習に基づく第一種能力推定モデルを提案する。 我々のモデルは一貫して最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-10-05T08:58:35Z)
• Self-Alignment Learning to Improve Myocardial Infarction Detection from Single-Lead ECG [30.009709596357478]
  心筋梗塞は冠動脈疾患の重要な徴候である。 単葉心電図(ECG)から検出するのは空間情報が少ないため困難である。 単誘導心電図による心筋梗塞検出を改善するための簡易かつ効果的なアライメント学習フレームワークであるSelfMISを提案する。
  論文  参考訳（メタデータ） (2025-09-23T03:54:39Z)
• ECG Latent Feature Extraction with Autoencoders for Downstream Prediction Tasks [2.2616169634370076]
  心電図(Electrocardiogram、ECG)は、安価で広く用いられる心臓評価用ツールである。 標準化されたフォーマットと小さなファイルサイズにもかかわらず、ECG信号の複雑さと個人間変動は、ディープラーニングモデルでの使用を困難にしている。 本研究は,代表的ビート心電図から特徴生成手法を探索することにより,これらの課題に対処する。 本稿では,3つの新しい変分自動エンコーダ(VAE)-Stochastic Autoencoder (SAE), Annealed beta-VAE (A beta-VAE), Cyclical beta VAE (C beta-VAE)を導入し,それらの維持効果を比較した。
  論文  参考訳（メタデータ） (2025-07-31T19:37:05Z)
• Unified Unsupervised Salient Object Detection via Knowledge Transfer [29.324193170890542]
  非教師なしサルエントオブジェクト検出(USOD)は、アノテーションのない性質のために注目を集めている。 本稿では,汎用USODタスクのための統一USODフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-23T05:50:02Z)
• Part Representation Learning with Teacher-Student Decoder for Occluded Person Re-identification [65.63180725319906]
  本稿では,隠蔽者ReIDのためのTSD(Teacher-Student Decoder)フレームワークを提案する。 提案するTSDは,Parsing-aware Teacher Decoder (PTD) と標準学生デコーダ (SSD) から構成される。
  論文  参考訳（メタデータ） (2023-12-15T13:54:48Z)
• LIB-KD: Teaching Inductive Bias for Efficient Vision Transformer Distillation and Compression [4.0120180943504655]
  ViT(Vision Transformers)は、視覚領域とテキスト領域にまたがる統一された情報処理の展望を提供する。 本稿では, 共用軽量教師モデルから誘導バイアスを消し去る, アンサンブルに基づく蒸留手法を提案する。
  論文  参考訳（メタデータ） (2023-09-30T13:21:29Z)
• Continual Detection Transformer for Incremental Object Detection [154.8345288298059]
  インクリメンタルオブジェクト検出(IOD)は、新しいオブジェクトカテゴリに対するアノテーションを備えた、フェーズ内のオブジェクト検出をトレーニングすることを目的としている。 他の段階的な設定として、IODは破滅的な忘れがちであり、知識蒸留(KD)や模範再生(ER)といった技術によってしばしば対処される。 本稿では,この文脈でKDとERを効果的に活用できるトランスフォーマーベースのIODを提案する。
  論文  参考訳（メタデータ） (2023-04-06T14:38:40Z)
• Denoising Diffusion Autoencoders are Unified Self-supervised Learners [58.194184241363175]
  本稿では,拡散モデルにおけるネットワーク,すなわち拡散オートエンコーダ(DDAE)が,自己教師型学習者の統合であることを示す。 DDAEはすでに、補助エンコーダを使わずに、中間層内で線形分離可能な表現を強く学習している。 CIFAR-10 と Tiny-ImageNet の線形評価精度は95.9% と 50.0% である。
  論文  参考訳（メタデータ） (2023-03-17T04:20:47Z)
• Toward Smart Security Enhancement of Federated Learning Networks [109.20054130698797]
  本稿では,フェデレートラーニングネットワーク(FLN)の脆弱性について概説し,毒殺攻撃の概要を紹介する。 FLNのためのスマートセキュリティ強化フレームワークを提案する。 深層強化学習は、良質なトレーニング結果を提供するエッジデバイス(ED)の挙動パターンを学ぶために応用される。
  論文  参考訳（メタデータ） (2020-08-19T08:46:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。