論文の概要: Infant Cry Classification with Graph Convolutional Networks

• arxiv url: http://arxiv.org/abs/2102.02909v1
• Date: Sun, 31 Jan 2021 19:23:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 00:19:44.008828
• Title: Infant Cry Classification with Graph Convolutional Networks
• Title（参考訳）: グラフ畳み込みネットワークを用いた乳幼児のクライ分類
• Authors: Chunyan Ji, Ming Chen, Bin Li, Yi Pan
• Abstract要約: 監視ノード分類と半監視ノード分類の両方において、関連ノード間の類似性に基づいて非完全連結グラフを構築する。 インナークラスおよびインタークラスメッセージに関連する乳児泣き信号の短期的および長期的影響を検討する。 このアプローチの有効性は,Baby Chillanto DatabaseとBaby2020 Databaseで評価される。
• 参考スコア（独自算出の注目度）: 10.03429569599454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose an approach of graph convolutional networks for robust infant cry classification. We construct non-fully connected graphs based on the similarities among the relevant nodes in both supervised and semi-supervised node classification with convolutional neural networks to consider the short-term and long-term effects of infant cry signals related to inner-class and inter-class messages. The approach captures the diversity of variations within infant cries, especially for limited training samples. The effectiveness of this approach is evaluated on Baby Chillanto Database and Baby2020 database. With as limited as 20% of labeled training data, our model outperforms that of CNN model with 80% labeled training data and the accuracy stably improves as the number of labeled training samples increases. The best results give significant improvements of 7.36% and 3.59% compared with the results of the CNN models on Baby Chillanto database and Baby2020 database respectively.
• Abstract（参考訳）: 本稿では,頑健な幼児の泣き声分類のためのグラフ畳み込みネットワークを提案する。 畳み込みニューラルネットワークを用いた教師付きノードと半教師付きノードの2つのノード間の類似性に基づいて,非完全連結グラフを構築し,内クラスおよびクラス間メッセージに関連する乳幼児のcry信号の短期的および長期的効果を検討する。 このアプローチは乳幼児の泣き声、特に限られたトレーニングサンプルにおける変化の多様性を捉えている。 このアプローチの有効性は,Baby Chillanto DatabaseとBaby2020 Databaseで評価される。 ラベル付きトレーニングデータの20%に制限があるため、80%のラベル付きトレーニングデータでCNNモデルよりも優れ、ラベル付きトレーニングサンプルの増加とともに精度が安定的に向上する。 最良の結果は7.36%と3.59%の改善を示し、それぞれbaby chillantoデータベースのcnnモデルとbaby2020データベースの結果と比較した。

関連論文リスト

• Fine-tuning is Not Fine: Mitigating Backdoor Attacks in GNNs with Limited Clean Data [51.745219224707384]
  グラフニューラルネットワーク(GNN)は,メッセージパッシング機構を通じて,優れたパフォーマンスを実現している。 最近の研究は、GNNのバックドア攻撃に対する脆弱性を強調している。 本稿では,実践的なバックドア緩和フレームワークである GraphNAD を提案する。
  論文  参考訳（メタデータ） (2025-01-10T10:16:35Z)
• Embryo 2.0: Merging Synthetic and Real Data for Advanced AI Predictions [69.07284335967019]
  2つのデータセットを使用して、2つの生成モデルをトレーニングします。 2-cell, 4-cell, 8-cell, morula, blastocyst など, 様々な細胞で合成胚画像を生成する。 これらは実画像と組み合わせて、胚細胞ステージ予測のための分類モデルを訓練した。
  論文  参考訳（メタデータ） (2024-12-02T08:24:49Z)
• Comparative Analysis and Ensemble Enhancement of Leading CNN Architectures for Breast Cancer Classification [0.0]
  本研究は,病理組織像を用いた乳癌分類への新規かつ正確なアプローチを提案する。 さまざまな画像データセット間で、主要な畳み込みニューラルネットワーク(CNN)モデルを体系的に比較する。 そこで本研究では,スタンドアロンCNNモデルにおいて,例外的分類精度を実現するために必要な設定について検討した。
  論文  参考訳（メタデータ） (2024-10-04T11:31:43Z)
• Benign Overfitting in Two-Layer ReLU Convolutional Neural Networks for XOR Data [24.86314525762012]
  勾配降下法により訓練されたReLU CNNがベイズ最適精度付近で実現できることを示す。 以上の結果から,CNNは高い相関性のある特徴が存在する場合でも,効率よくXOR問題を学習する能力を有することが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T11:31:37Z)
• Efficient and Robust Classification for Sparse Attacks [34.48667992227529]
  我々は、画像認識、自然言語処理、マルウェア検出の領域において効果的な攻撃として示されてきた$ell$-normで束縛された摂動を考える。 我々は,「トランケーション」と「アドリアル・トレーニング」を組み合わせた新しい防衛手法を提案する。 得られた洞察に触発され、これらのコンポーネントをニューラルネットワーク分類器に拡張する。
  論文  参考訳（メタデータ） (2022-01-23T21:18:17Z)
• A Distillation Learning Model of Adaptive Structural Deep Belief Network for AffectNet: Facial Expression Image Database [0.0]
  我々は,Deep Belief Network (DBN) の適応型構造学習法を開発した。 本稿では,表情画像データセットであるAffectNetに適用する。 分類精度は78.4%から91.3%に向上した。
  論文  参考訳（メタデータ） (2021-10-25T08:01:36Z)
• A Few-shot Learning Graph Multi-Trajectory Evolution Network for Forecasting Multimodal Baby Connectivity Development from a Baseline Timepoint [53.73316520733503]
  本稿では,教師-学生パラダイムを取り入れたグラフ多目的進化ネットワーク(GmTE-Net)を提案する。 これは、脳グラフ多軌道成長予測に適した最初の教師学生アーキテクチャである。
  論文  参考訳（メタデータ） (2021-10-06T08:26:57Z)
• Fusion of CNNs and statistical indicators to improve image classification [65.51757376525798]
  畳み込みネットワークは過去10年間、コンピュータビジョンの分野を支配してきた。 この傾向を長引かせる主要な戦略は、ネットワーク規模の拡大によるものだ。 我々は、異種情報ソースを追加することは、より大きなネットワークを構築するよりもCNNにとって費用対効果が高いと仮定している。
  論文  参考訳（メタデータ） (2020-12-20T23:24:31Z)
• COLAM: Co-Learning of Deep Neural Networks and Soft Labels via Alternating Minimization [60.07531696857743]
  2つの目的の交互最小化によるDNNとソフトラベルの共学習 本稿では,DNNとソフトラベルを相互に学習するCOLAMフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-26T17:50:20Z)
• Assessing Graph-based Deep Learning Models for Predicting Flash Point [52.931492216239995]
  グラフベースのディープラーニング(GBDL)モデルは初めてフラッシュポイントを予測するために実装された。 MPNNの平均R2と平均絶対誤差(MAE)は、それぞれ2.3%低、2.0K高である。
  論文  参考訳（メタデータ） (2020-02-26T06:10:12Z)

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。