論文の概要: Disentangled Adversarial Transfer Learning for Physiological Biosignals

• arxiv url: http://arxiv.org/abs/2004.08289v1
• Date: Wed, 15 Apr 2020 01:56:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 03:13:29.253654
• Title: Disentangled Adversarial Transfer Learning for Physiological Biosignals
• Title（参考訳）: 生理的生体信号の逆変換学習
• Authors: Mo Han, Ozan Ozdenizci, Ye Wang, Toshiaki Koike-Akino, Deniz Erdogmus
• Abstract要約: 本稿では, 生理的生体信号データから, 絡み合ったニュアンス・ロバスト表現を抽出するために, 移動学習のための逆推論手法を提案する。 クロスオブジェクト転送評価の結果は,提案手法の利点を示している。
• 参考スコア（独自算出の注目度）: 24.02384472840036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent developments in wearable sensors demonstrate promising results for monitoring physiological status in effective and comfortable ways. One major challenge of physiological status assessment is the problem of transfer learning caused by the domain inconsistency of biosignals across users or different recording sessions from the same user. We propose an adversarial inference approach for transfer learning to extract disentangled nuisance-robust representations from physiological biosignal data in stress status level assessment. We exploit the trade-off between task-related features and person-discriminative information by using both an adversary network and a nuisance network to jointly manipulate and disentangle the learned latent representations by the encoder, which are then input to a discriminative classifier. Results on cross-subjects transfer evaluations demonstrate the benefits of the proposed adversarial framework, and thus show its capabilities to adapt to a broader range of subjects. Finally we highlight that our proposed adversarial transfer learning approach is also applicable to other deep feature learning frameworks.
• Abstract（参考訳）: ウェアラブルセンサーの最近の進歩は、生理的状態を効果的かつ快適にモニタリングするための有望な結果を示している。 生理的状態評価の大きな課題の1つは、ユーザ間でのバイオシグナーのドメイン不整合や、同一ユーザからの異なる記録セッションによる転送学習の問題である。 ストレスレベルアセスメントにおいて,生理的生体信号データから異方性ニュアサンス・ロバスト表現を抽出するために,トランスファー学習の敵対的推論手法を提案する。 課題関連特徴と個人識別情報との間のトレードオフを、敵ネットワークとニュアンスネットワークの両方を用いて、学習した潜伏表現をエンコーダで協調的に操作・解離させ、識別分類器に入力する。 クロス・サブジェクト・トランスファー評価の結果,提案手法の利点が示され,幅広い対象に適応する能力が示された。 最後に,提案手法が他の深層機能学習フレームワークにも適用可能であることを強調した。

関連論文リスト

• Counter-Current Learning: A Biologically Plausible Dual Network Approach for Deep Learning [32.122425860826525]
  生物学的妥当性の欠如が 批判されている 本稿では,ニューラルネットワークにおけるクレジット代入のための生物学的に妥当なフレームワークである対流学習(CCL)を提案する。 我々の研究は、ニューラルネットワークにおける学習と適応の代替メカニズムを提供する、生物学的にインスパイアされた、そして実証可能な学習アルゴリズムの方向性を示す。
  論文  参考訳（メタデータ） (2024-09-30T00:47:13Z)
• Evaluating the structure of cognitive tasks with transfer learning [67.22168759751541]
  本研究では,脳波復号処理における深層学習表現の伝達可能性について検討した。 最近リリースされた2つのEEGデータセット上で、最先端デコードモデルを用いて広範な実験を行う。
  論文  参考訳（メタデータ） (2023-07-28T14:51:09Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Transfer Learning on Heterogeneous Feature Spaces for Treatment Effects Estimation [103.55894890759376]
  本稿では,不均一な特徴空間を扱うために表現学習を利用するビルディングブロックを紹介する。 本稿では,これらのビルディングブロックを用いて,標準CATE学習者の伝達学習の等価性を回復する方法を示す。
  論文  参考訳（メタデータ） (2022-10-08T16:41:02Z)
• Discriminative Attribution from Counterfactuals [64.94009515033984]
  本稿では,特徴属性と反実的説明を組み合わせたニューラルネットワークの解釈可能性について述べる。 本手法は,特徴属性法の性能を客観的に評価するために有効であることを示す。
  論文  参考訳（メタデータ） (2021-09-28T00:53:34Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Universal Physiological Representation Learning with Soft-Disentangled Rateless Autoencoders [24.02384472840036]
  レートレスオートエンコーダ(RAE)の概念を用いた対角的特徴符号化法を提案する。 ユーザ固有の機能とタスク関連機能の間には,新たな敵ネットワークを導入することで,良好なトレードオフを実現する。 クロスオブジェクト転送評価の結果、提案手法の利点が示され、平均被写体移動分類精度は最大11.6%向上した。
  論文  参考訳（メタデータ） (2020-09-28T16:25:12Z)
• Disentangled Adversarial Autoencoder for Subject-Invariant Physiological Feature Extraction [24.02384472840036]
  本稿では,不整合普遍表現を利用した転帰学習のための対角的特徴抽出器を提案する。 クロスオブジェクト転送評価の結果、提案手法の利点が示され、平均的な分類精度が最大8.8%向上した。
  論文  参考訳（メタデータ） (2020-08-26T07:45:24Z)
• Derivation of Information-Theoretically Optimal Adversarial Attacks with Applications to Robust Machine Learning [11.206758778146288]
  決定システムに対する最適な敵攻撃を設計する理論的問題を考察する。 興味の離散的かつ連続的な信号に対する最適な敵攻撃の導出について述べる。 入力信号の重複コピーが複数用意されている場合、相互情報の最小化のために敵攻撃を行うのは非常に困難であることを示す。
  論文  参考訳（メタデータ） (2020-07-28T07:45:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。