יום ראשון, 4 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.AI ·

הבחנה בין שימור יכולת המומחה להשערה עצמאית של מקור בהקשר של הפצה רציפה של ECG

Separating Expert Retention from Autonomous Source Inference in Raw-ECG-Replay-Free Continual ECG Deployment
במאמר זה, המחברים חוקרים את ההבחנה בין שימור יכולת המומחה להשערה עצמאית של מקור בהקשר של הפצה רציפה של ECG. הם מציגים את IRFE-ECG, תשתית רציפה של ECG שמאפשרת שימור יכולת המומחה והשערה עצמאית של מקור. התשתית נבחנה באמצעות שלושה תפריטים שונים, והתוצאות הראו תוצאות טובות. המחברים גם חוקרים את ההבדלים בין שימור יכולת המומחה להשערה עצמאית של מקור, ומציעים תשתית חדשה שמאפשרת הבחנה בין שני התהליכים.
תקציר מקורי באנגליתarXiv:2607.01674v4 Announce Type: replace Abstract: In multi-source ECG deployment, new sources may arrive when earlier raw ECGs cannot be retained or replayed. Isolating source-specific classifiers on a frozen backbone prevents parameter interference, but source-unknown inference still requires selecting an appropriate expert. We study this distinction with IRFE-ECG, a controlled continual-deployment framework built on frozen 1024-dimensional ECGFounder features. Each arriving source adds an isolated Balanced-Softmax linear expert, while a lightweight router is re-fitted using retained frozen training features and source labels from previously observed sources. Rather than proposing a new routing architecture, the main contribution is to separate preserved expert performance from autonomo
קרא במקור המקורי