Fugu-MT 論文翻訳(概要): Continual Learning for Affective Computing

論文の概要: Continual Learning for Affective Computing

arxiv url: http://arxiv.org/abs/2006.06113v2
Date: Thu, 12 Nov 2020 06:42:26 GMT
ステータス: 処理完了
システム内更新日: 2022-11-23 04:57:15.597077
Title: Continual Learning for Affective Computing
Title（参考訳）: Affective Computingのための継続的学習
Authors: Nikhil Churamani
Abstract要約: 実世界の応用には、個々の表現の違いに敏感な知覚モデルが必要である。パーソナライズされた感情認識を開発するためのパラダイムとして,情緒的コンピューティングにおける連続学習の利用を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Real-world application requires affect perception models to be sensitive to individual differences in expression. As each user is different and expresses differently, these models need to personalise towards each individual to adequately capture their expressions and thus, model their affective state. Despite high performance on benchmarks, current approaches fall short in such adaptation. In this work, we propose the use of Continual Learning (CL) for affective computing as a paradigm for developing personalised affect perception.
Abstract（参考訳）: 実世界の応用には、個々の表現の違いに敏感な知覚モデルが必要である。各ユーザが異なる表現を持つため、それぞれのモデルが個々人に対してパーソナライズし、その表現を適切に捉えて、その感情状態をモデル化する必要がある。ベンチマークのパフォーマンスは高いが、現在のアプローチはそのような適応に不足している。本研究では,パーソナライズされた感情認識を開発するパラダイムとして,情緒的コンピューティングにおける継続学習(CL)の利用を提案する。

関連論文リスト

Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文参考訳（メタデータ） (2024-05-15T20:41:46Z)
Assessing the Efficacy of Deep Learning Approaches for Facial Expression Recognition in Individuals with Intellectual Disabilities [0.7124736158080939]
我々は、知的障害者の表情を認識するために、異なるアプローチで12の畳み込みニューラルネットワークを訓練する。本研究は,ユーザ固有の訓練手法を用いて,この集団内での表情認識の必要性を示唆するものである。
論文参考訳（メタデータ） (2024-01-22T12:02:40Z)
Not All Steps are Equal: Efficient Generation with Progressive Diffusion Models [62.155612146799314]
ステップ適応トレーニングと呼ばれる新しい2段階のトレーニング戦略を提案する。初期段階では、ベース・デノナイジング・モデルはすべてのタイムステップを包含するように訓練される。タイムステップを別々のグループに分割し、各グループ内でモデルを微調整して、特殊な認知機能を実現します。
論文参考訳（メタデータ） (2023-12-20T03:32:58Z)
Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文参考訳（メタデータ） (2023-09-13T15:42:06Z)
Getting too personal(ized): The importance of feature choice in online adaptive algorithms [6.716421415117937]
個人情報への適応が全学生に利益をもたらす政策の導入を遅らせるかどうかなど、個人化の方法を見つけようとする場合のコストについて検討する。我々は、これらの問題をマルチアーム・バンディット(MAB)アルゴリズムを用いて、各生徒に提示する教育技術のどのバージョンを選ぶかを学ぶ。これらの特徴が最適行動の学習に必要となる場合, パーソナライズに学生の特徴を取り入れることが有益であることを示す。
論文参考訳（メタデータ） (2023-09-06T09:34:54Z)
Striving for data-model efficiency: Identifying data externalities on group performance [75.17591306911015]
信頼できる、効果的で責任ある機械学習システムの構築は、トレーニングデータとモデリング決定の違いが、予測パフォーマンスにどのように影響するかを理解することに集中する。我々は、特定のタイプのデータモデル非効率性に注目し、一部のソースからトレーニングデータを追加することで、集団の重要なサブグループで評価されるパフォーマンスを実際に低下させることができる。以上の結果から,データ効率が正確かつ信頼性の高い機械学習の鍵となることが示唆された。
論文参考訳（メタデータ） (2022-11-11T16:48:27Z)
CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文参考訳（メタデータ） (2022-08-10T15:46:05Z)
Characterizing and overcoming the greedy nature of learning in multi-modal deep neural networks [62.48782506095565]
深層ニューラルネットワークにおける学習の欲張った性質から、モデルは一つのモダリティにのみ依存する傾向にあり、他のモダリティには不適合であることを示す。本稿では,学習中のモーダル間の条件付き学習速度のバランスをとるアルゴリズムを提案し,グリージー学習の問題に対処できることを実証する。
論文参考訳（メタデータ） (2022-02-10T20:11:21Z)
Multi-modal Affect Analysis using standardized data within subjects in the Wild [8.05417723395965]
本稿では,表情(EXP)に着目した感情認識手法を提案する。提案手法は,評価精度とロバスト性を効果的に向上する。
論文参考訳（メタデータ） (2021-07-07T04:18:28Z)
Model Learning with Personalized Interpretability Estimation (ML-PIE) [2.862606936691229]
ハイステークアプリケーションは、AI生成モデルを解釈可能にする必要がある。解釈可能なモデルの合成のための現在のアルゴリズムは、目的や正規化項に依存する。本稿では,ユーザ向けにカスタマイズされたモデルの合成手法を提案する。
論文参考訳（メタデータ） (2021-04-13T09:47:48Z)

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。