論文の概要: Disentangled Adversarial Autoencoder for Subject-Invariant Physiological Feature Extraction

• arxiv url: http://arxiv.org/abs/2008.11426v1
• Date: Wed, 26 Aug 2020 07:45:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 21:20:24.640530
• Title: Disentangled Adversarial Autoencoder for Subject-Invariant Physiological Feature Extraction
• Title（参考訳）: 被写体不変な生理的特徴抽出のための異方性adversarial autoencoder
• Authors: Mo Han, Ozan Ozdenizci, Ye Wang, Toshiaki Koike-Akino, Deniz Erdogmus
• Abstract要約: 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。
• 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 biosignal processing have enabled users to exploit their physiological status for manipulating devices in a reliable and safe manner. One major challenge of physiological sensing lies in the variability of biosignals across different users and tasks. To address this issue, we propose an adversarial feature extractor for transfer learning to exploit disentangled universal representations. We consider the trade-off between task-relevant features and user-discriminative information by introducing additional adversary and nuisance networks in order to manipulate the latent representations such that the learned feature extractor is applicable to unknown users and various tasks. Results on cross-subject transfer evaluations exhibit the benefits of the proposed framework, with up to 8.8% improvement in average accuracy of classification, and demonstrate adaptability to a broader range of subjects.
• Abstract（参考訳）: 近年, 生体信号処理の進歩により, 安全かつ信頼性の高い操作装置の生理的地位を利用できるようになった。 生理センシングの大きな課題の1つは、異なるユーザとタスクにわたる生体信号の変動である。 この問題に対処するため,我々は,不連続な普遍表現を活用すべく,トランスファー学習のための逆特徴抽出器を提案する。 本稿では,学習した特徴抽出器が未知ユーザや各種タスクに適用可能であるような潜在表現を操作するために,追加の敵ネットワークやニュアンスネットワークを導入することで,タスク関連特徴とユーザ識別情報のトレードオフを検討する。 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、分類の精度が最大8.8%向上し、幅広い対象への適応性が示された。

関連論文リスト

• Heterogeneous quantization regularizes spiking neural network activity [0.0]
  本稿では、アナログデータを正規化し、スパイク位相表現に量子化する、データブラインドニューロモルフィック信号条件付け戦略を提案する。 我々は、量子化重みの範囲と密度が蓄積された入力統計に適応するデータ認識キャリブレーションステップを追加することで、このメカニズムを拡張した。
  論文  参考訳（メタデータ） (2024-09-27T02:25:44Z)
• Representation Learning for Wearable-Based Applications in the Case of Missing Data [20.37256375888501]
  実環境におけるマルチモーダルセンサデータは、データ品質が低く、データアノテーションが限られているため、依然として困難である。 本稿では,不足するウェアラブルデータに対する表現学習について検討し,最新統計手法と比較する。 本研究は,マスキングに基づく自己指導型学習タスクの設計と開発に関する知見を提供する。
  論文  参考訳（メタデータ） (2024-01-08T08:21:37Z)
• DARE: Towards Robust Text Explanations in Biomedical and Healthcare Applications [54.93807822347193]
  帰属ロバスト性評価手法を与えられたドメインに適応させ、ドメイン固有の妥当性を考慮する方法を示す。 次に,DAREが特徴とする脆さを軽減するために,対人訓練とFAR訓練の2つの方法を提案する。 最後に,確立した3つのバイオメディカル・ベンチマークを用いて実験を行い,本手法を実証的に検証した。
  論文  参考訳（メタデータ） (2023-07-05T08:11:40Z)
• Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
  歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。 本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-24T05:28:35Z)
• 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)
• 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)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)
• Self-Supervised Transformers for Activity Classification using Ambient Sensors [3.1829446824051195]
  本稿では,環境センサを用いた環境下での居住者の活動の分類手法を提案する。 また,自己教師付き方式でトランスフォーマーを事前訓練する手法を,ハイブリッドオートエンコーダ分類モデルとして提案する。
  論文  参考訳（メタデータ） (2020-11-22T20:46:25Z)
• 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 Transfer Learning for Physiological Biosignals [24.02384472840036]
  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。
  論文  参考訳（メタデータ） (2020-04-15T01:56:56Z)
• Panoptic Feature Fusion Net: A Novel Instance Segmentation Paradigm for Biomedical and Biological Images [91.41909587856104]
  本稿では,本研究における意味的特徴とインスタンス的特徴を統一するPanoptic Feature Fusion Net(PFFNet)を提案する。 提案するPFFNetには,インスタンス予測を意味的特徴に組み込むための残注意特徴融合機構が組み込まれている。 様々なバイオメディカルおよび生物学的データセットにおいて、最先端のいくつかの手法を上回ります。
  論文  参考訳（メタデータ） (2020-02-15T09:19:41Z)

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。