Pelatihan dan evaluasi
Kami memanfaatkan kumpulan data dengan 40 juta jam data wearable yang diambil sampelnya dari lebih dari 60.000 peserta selama periode Maret hingga Mei 2024. Kumpulan data tersebut sepenuhnya dianonimkan atau tidak teridentifikasi untuk memastikan bahwa informasi peserta telah dihapus dan privasi tetap terjaga. Subjek mengenakan berbagai jam tangan pintar dan pelacak Fitbit dan Google Pixel serta menyetujui data mereka digunakan untuk penelitian dan pengembangan produk dan layanan kesehatan dan kebugaran baru. Subyek diminta untuk melaporkan sendiri jenis kelamin, usia, dan berat badan.
Untuk melakukan pra-pelatihan LSM-2, kami menggunakan teknik AIM SSL yang diperkenalkan di bagian sebelumnya. AIM mengimplementasikan tujuan pelatihan rekonstruksi yang terselubung, dan belajar memahami data yang hilang secara alami, dan menghubungkan data yang disamarkan secara artifisial. Kerangka kerja terpadu ini memungkinkan LSM-2 mempelajari struktur mendasar (termasuk hilangnya) yang melekat pada data sensor yang dapat dikenakan.
Kami menyusun serangkaian tugas hilir untuk mengevaluasi model terlatih, menggunakan metadata yang dikumpulkan bersama sinyal sensor untuk tujuan penelitian dan pengembangan. Hal ini mencakup aktivitas yang diberi anotasi pengguna dari 20 kategori berbeda (seperti lari, ski, kayak, dan bermain golf) serta diagnosis hipertensi dan kecemasan yang dilaporkan sendiri. Data-data ini dibagi menjadi set penyesuaian dan evaluasi dimana data dari masing-masing individu hanya ada dalam set penyesuaian atau evaluasi dan tidak keduanya. Data dari individu yang digunakan pada tahap prapelatihan juga tidak dimasukkan dalam tahap penyesuaian atau evaluasi.
Kemampuan generatif LSM-2 dievaluasi melalui tugas imputasi acak, interpolasi temporal, ekstrapolasi temporal (perkiraan), dan imputasi sensor, yang dijelaskan dalam artikel kami. LSM-1 bekerja.
Kegunaan penyematan LSM-2 dievaluasi melalui penyelidikan linier pada sejumlah tugas yang diskriminatif. Secara khusus kami mengukur penerapan penyematan LSM-2 pada tugas klasifikasi hipertensi biner, klasifikasi kecemasan biner, dan pengenalan aktivitas 20 kelas. Kami mengevaluasi kemampuan LSM-2 untuk memodelkan fisiologi melalui tugas regresi usia dan BMI.
