arXiv · Machine Learning· Huaming Du, Zhixian Xie, Gaoyang Zhen, Gang Kou, Guisong Liu, Yanchao Tan, Wendan Tao, Yuhao Xu, Carl Yang·· 13 小时前AI 评分47
SPAFT 通过结构化剪枝与自适应微调提升 PPG 基础模型的专门化能力
Unlocking the Specialization Capability of PPG Foundation Models for Wearable Signals through Structured Pruning and Adaptive Fine-Tuning
AI 导读
SPAFT 提出结构化剪枝与微调框架，将 PPG 基础模型的自适应微调限制在依据参数重要性和结构冗余确定的紧凑参数空间内，以适配不同预测任务。在 4 个 PPG 基础模型、5 个基准数据集和 10 项下游任务中，该方法在回归和分类任务上的胜率分别为 82.8% 和 87.5%。
来源：arXiv · Machine Learning · arxiv.org