arXiv · cs.AI· Huaming Du·· 3 天前AI 评分21
通过结构化剪枝与自适应微调解锁 PPG 基础模型在可穿戴信号上的专业化能力
Unlocking the Specialization Capability of PPG Foundation Models for Wearable Signals through Structured Pruning and Adaptive Fine-Tuning
来源与原文
arXiv · cs.AI
作者：Huaming Du
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.33788v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 SPAFT 框架，通过结构化剪枝结合自适应微调，将 PPG 基础模型适配到可穿戴设备等真实场景的目标预测任务。该框架基于参数重要性和结构冗余，把微调约束到更相关、更紧凑的参数空间。在 4 个 PPG 基础模型、5 个基准数据集和 10 个下游任务上，SPAFT 在回归和分类任务中分别取得 82.8% 和 87.5% 的胜率，常能达到 SOTA 性能。
来源：arXiv · cs.AI · arxiv.org