![arxiv：2401.05363v4 [eess.sp] 11月11日，2024年7月](/simg/b/ba1742bc77a8dfbb6a8152d56fd2735a158fea04.webp)
机构名称：
¥ 1.0
自动睡眠分期对于睡眠评估和疾病诊断至关重要。大多数现有的方法取决于一个特定的数据集，并且仅限于将培训数据和测试数据来自同一数据集的其他看不见的数据集。在本文中，我们将DO-MAIR REMALITION引入自动睡眠阶段，并提出了可推广的睡眠阶段的任务，该任务旨在证明模型的概括能力是看不见的数据集。通过现有域概括方法刺激，我们采用了特征对齐想法，并提出了一个称为SleepDG的框架来解决它。考虑到局部显着的功能和顺序特征对于睡眠停滞很重要，我们提出了一个多级特征对齐组合，将epoch级级别和序列级特征级别对齐组合来学习域不变的特征表示。具体而言，我们标志着一个阶段级特征对齐，以使每个单个睡眠时期的特征分布在不同的操作中的特征分布以及一个序列级特征对齐，以最大程度地减少不同do-ains之间顺序特征的差异。SleepDG在五个公共数据集上得到了验证，从而实现了最先进的性能。
arxiv：2401.05363v4 [eess.sp] 11月11日，2024年7月
主要关键词
![arxiv：2401.05363v4 [eess.sp] 11月11日，2024年7月PDF文件第1页](/bimg/a/a5e5efc0bf7152362d2b4a562bb36fac5b44a75c.webp)
![arxiv：2401.05363v4 [eess.sp] 11月11日，2024年7月PDF文件第2页](/bimg/1/18bf0dc379e281c5f060d3d6107ebcb86eb24369.webp)
![arxiv：2401.05363v4 [eess.sp] 11月11日，2024年7月PDF文件第3页](/bimg/2/2913cda1b704e5ae9549d68284b01de625f5cd0e.webp)
![arxiv：2401.05363v4 [eess.sp] 11月11日，2024年7月PDF文件第4页](/bimg/1/185e2f624bd4a0caae738ad60a8912c2b86e969e.webp)
![arxiv：2401.05363v4 [eess.sp] 11月11日，2024年7月PDF文件第5页](/bimg/f/f3aac4891c034480b3ce7abcdc019b130c9e1a7c.webp)
相关文件推荐
![arxiv：2401.14907v2 [cs.ro] 2024年11月29日](/simg/0/0d8974404b80c2e87a42eedcdacbe5baabb4b814.webp)
![arxiv：2401.06521v1 [cs.cv] 2024年1月12日](/simg/a/ac4e8a79e62bb77bebd81435441586ea29fdf974.webp)
![arxiv：2401.16635v3 [cs.lg] 2024年10月22日](/simg/e/e568890926ce2fd605f82e93813aebae8f6dbc29.webp)
![arxiv：2407.02109v2 [cs.cv] 2024年11月23日](/simg/a/ae4d53ed1d1cc0ff7fb46a3f603ec01aff994b63.webp)
![arxiv：2401.01629v1 [cs.lg] 2024年1月3日](/simg/1/1904bc517d8e8e8c1dd7feb32aa47246b6aebc73.webp)
![arxiv：2411.18623v1 [cs.cv] 2024年11月27日](/simg/f/ffb70dc031055f868005f7e395f79b8254f9bcda.webp)
![arxiv：2401.01814v1 [cs.ai] 2024年1月3日](/simg/9/9e22f37b844b140e65a21cb38f0226d32812aded.webp)
![arxiv：2401.08196v1 [cs.cr] 2024年1月16日](/simg/5/5bb0478276a4b028ca3fad6d478119cce0aad711.webp)
![arxiv：2011.12107v1 [eess.sp] 2020年11月17日](/simg/3/34a82fc724f2615029f399b4d61ce9daae724cbb.webp)
![arxiv：2401.02355v1 [Quant-ph] 2024年1月4日](/simg/d/d6bdb8f49131806733e5a9ee48e9f7a807f79467.webp)
![arxiv：2401.16208v1 [hep-ph] 2024年1月29日](/simg/c/c892bb3e7837bb02ea448926724b7b4181832ccc.webp)
![arxiv：2403.07197v1 [Quant-ph] 2024年3月11日](/simg/1/1268035cfac024104a43f440dbd57c6bf709c9c8.webp)
![arxiv：2411.01086v3 [Quant-ph] 2024年11月7日](/simg/4/410fa5aa89c5f450d87b0519061fcbec18bdbb5e.webp)
![arxiv：2201.03616v5 [stat.me] 2024年11月4日](/simg/e/efd06bb8b42ad34fa555e4373a2bbe570880fcb3.webp)
![arxiv：2011.06878v1 [eess.sp] 2020年11月13日](/simg/5/585342ee315b57f8f60eceef20306d0e67394a79.webp)
![arxiv：2401.11305v3 [CS.CR] 2024年10月28日](/simg/2/23083580b9199c403b25bf4a8f0a0fddf7e0c940.webp)
![arxiv：2303.09043v2 [CS.CR] 2024年7月28日](/simg/1/10e68db7e92d675b8dbfeb377daf9849df6d7709.webp)
![arxiv：2401.08719v2 [CS.SE] 2024年12月24日](/simg/3/36c6ae886718bbdd1d05551c489d8dfb561ae4ad.webp)
