![arxiv：2306.07730v2 [cs.lg] 2023年6月14日](/simg/e/e38448ffddcad3e0ab21e5b2d337ba23cc011352.webp)
机构名称：
¥ 1.0
我们提出了一种基于学习的新方法，该方法在从光摄影信号（PPG）中提取的几种心率估计基准（PPG）上实现最新性能。我们考虑了我们作为隐藏的马尔可夫模型表示的离散时间随机过程的心率演变。我们通过训练有素的神经网络对给定的PPG信号窗口的可能的心率值得出了分布。使用信念传播，我们结合了心率变化的紧密分布，以在时间上下文中完善这些估计。从此，我们获得了可能的心率值范围范围内的量化概率分布，该分布捕获了对固有预测不确定性的有意义且精心校准的估计。我们通过三个不同的交叉验证实验在八个公共数据集上展示了我们方法的胸膜。
arxiv：2306.07730v2 [cs.lg] 2023年6月14日
主要关键词
![arxiv：2306.07730v2 [cs.lg] 2023年6月14日PDF文件第1页](/bimg/4/4a1188c1b339b4a0475780d4de5f57ba5dcb02db.webp)
![arxiv：2306.07730v2 [cs.lg] 2023年6月14日PDF文件第2页](/bimg/1/192a2bbf66de0fe4aa9fc41ae22ecb024a355b15.webp)
![arxiv：2306.07730v2 [cs.lg] 2023年6月14日PDF文件第3页](/bimg/e/efe93b839a9c0fa97f83953581d478876f4a3314.webp)
![arxiv：2306.07730v2 [cs.lg] 2023年6月14日PDF文件第4页](/bimg/2/2ec2f76828f8463ef92d2ec846472633ae0d6927.webp)
![arxiv：2306.07730v2 [cs.lg] 2023年6月14日PDF文件第5页](/bimg/c/c85cb546bbe83b95806ffbaa0446bfb3c4d42428.webp)
相关文件推荐
![arxiv：2306.11137v1 [eess.iv] 2023年6月19日](/simg/a/aec2225b328fb4ca18e3057ee2fee65eff0d007c.webp)
![arxiv：2306.06602v1 [Quant-ph] 2023年6月11日](/simg/7/7370deb9edb2b07db864f6e850be9686fbe44602.webp)
![arxiv：2402.16095v3 [cs.cr] 2024年6月16日](/simg/1/1be9a8ca2461397a2910c71ae223e7c3d5ebc6a4.webp)
![arxiv：2404.09263v1 [cs.cv] 2024年4月14日](/simg/9/9cc7f75ab658a900e3abbb8ce9593522249ce84d.webp)
![arxiv：2312.00189v1 [cs.lg] 2023年11月30日](/simg/2/278c56b945375190fd24bc0470f3ee0f0d75531f.webp)
![arxiv：2301.08835v1 [cs.hc] 2023年1月21日](/simg/a/aac467863f27e28c322f00b2865359076a24668c.webp)
![arxiv：2402.09233v1 [cs.ro] 2024年2月14日](/simg/b/b52ed5719ba2880b07e9631eab06b78b4dd35d30.webp)
![arxiv：2301.05869v2 [cs.lg] 2023年8月10日](/simg/4/47b0820a8bbd0dc424d1af53abb30fd5ef096fab.webp)
![arxiv：2501.07994v1 [cs.cv] 2025年1月14日](/simg/c/cf0bc4d3de0f3d3629290402e430b2d6c96cb963.webp)
![arxiv：2407.00460v1 [cs.ai] 2024年6月29日](/simg/4/4f43cce67d295b5b9c973772f056066aa0df40c7.webp)
![arxiv：2501.07985v1 [cs.ro] 2025年1月14日](/simg/c/c3a0101d75e42540c70527ec0a228410e73721c3.webp)
