EarDA: Towards Accurate and Data-Efficient Earable Activity Sensing

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Lyu, Shengzhe, Chen, Yongliang, Duan, Di, Jia, Renqi, Xu, Weitao
Formato:	Preprint
Publicado:	2024
Materias:	Signal Processing Artificial Intelligence Human-Computer Interaction Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2406.16943