論文の概要: Universal Physiological Representation Learning with Soft-Disentangled Rateless Autoencoders

• arxiv url: http://arxiv.org/abs/2009.13453v1
• Date: Mon, 28 Sep 2020 16:25:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 22:33:24.960890
• Title: Universal Physiological Representation Learning with Soft-Disentangled Rateless Autoencoders
• Title（参考訳）: ソフト・ディエンタングル・レートレスオートエンコーダを用いた普遍的生理表現学習
• Authors: Mo Han, Ozan Ozdenizci, Toshiaki Koike-Akino, Ye Wang, Deniz Erdogmus
• Abstract要約: 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。
• 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: Human computer interaction (HCI) involves a multidisciplinary fusion of technologies, through which the control of external devices could be achieved by monitoring physiological status of users. However, physiological biosignals often vary across users and recording sessions due to unstable physical/mental conditions and task-irrelevant activities. To deal with this challenge, we propose a method of adversarial feature encoding with the concept of a Rateless Autoencoder (RAE), in order to exploit disentangled, nuisance-robust, and universal representations. We achieve a good trade-off between user-specific and task-relevant features by making use of the stochastic disentanglement of the latent representations by adopting additional adversarial networks. The proposed model is applicable to a wider range of unknown users and tasks as well as different classifiers. Results on cross-subject transfer evaluations show the advantages of the proposed framework, with up to an 11.6% improvement in the average subject-transfer classification accuracy.
• Abstract（参考訳）: ヒューマン・コンピュータ・インタラクション(HCI)は、ユーザの生理的状態を監視することによって外部機器の制御を達成できる技術が多分野融合される。 しかしながら、生理的バイオシグナーは、不安定な身体的/精神的状態とタスク非関連活動のために、ユーザや録音セッションによって異なることが多い。 この課題に対処するために,不整合,ニュアンス・ロバスト,普遍表現を活用するために,RAE(Rateless Autoencoder)の概念を用いた対角的特徴符号化手法を提案する。 本稿では,潜在表現の確率的不整合を利用して,ユーザ固有の特徴とタスク関連特徴との良好なトレードオフを実現する。 提案モデルは、未知のユーザやタスクの幅広い範囲、および異なる分類器に適用可能である。 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。

関連論文リスト

• TransDAE: Dual Attention Mechanism in a Hierarchical Transformer for Efficient Medical Image Segmentation [7.013315283888431]
  医用画像のセグメンテーションは、正確な疾患診断と効果的な治療戦略の開発に不可欠である。 本稿では,トランスダエ(TransDAE)という,空間的・チャネル的関連性を含む自己認識機構を再定義する手法を紹介する。 注目すべきは、TransDAEがSynapsのマルチオーガナイズデータセット上で、既存の最先端メソッドより優れていることだ。
  論文  参考訳（メタデータ） (2024-09-03T16:08:48Z)
• Federated Contrastive Learning for Personalized Semantic Communication [55.46383524190467]
  我々は,パーソナライズされたセマンティックコミュニケーションを支援することを目的とした,協調型コントラスト学習フレームワークを設計する。 FedCLは、複数のクライアントにわたるローカルセマンティックエンコーダと、基地局が所有するグローバルセマンティックデコーダの協調トレーニングを可能にする。 分散クライアント間の異種データセットから生じるセマンティック不均衡問題に対処するために,コントラスト学習を用いてセマンティックセントロイドジェネレータを訓練する。
  論文  参考訳（メタデータ） (2024-06-13T14:45:35Z)
• 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)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)
• Disentangled Sequence Clustering for Human Intention Inference [40.46123013107865]
  Disentangled Sequence Clustering Variational Autoencoder (DiSCVAE) Disentangled Sequence Clustering Variational Autoencoder (DiSCVAE)
  論文  参考訳（メタデータ） (2021-01-23T13:39:34Z)
• 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)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• 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)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。