論文の概要: The Emotion coding and Propagation based on improved Genetic algorithm

• arxiv url: http://arxiv.org/abs/2106.01589v1
• Date: Thu, 3 Jun 2021 04:21:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 23:28:28.543929
• Title: The Emotion coding and Propagation based on improved Genetic algorithm
• Title（参考訳）: 改良された遺伝的アルゴリズムに基づく感情符号化と伝播
• Authors: Hongyuan Diao, Fuzhong Nian, Xuelong Yu, Xirui Liu and Xinhao Liu
• Abstract要約: 本稿では,情報感情に改良された遺伝的アルゴリズムを導入することにより,情報感情の伝播モデルを確立する。 このモデルでは、情報感情とネットワークノード感情はバイナリコードとして定量化される。 我々の研究は、提案モデルが実際の感情伝達現象と本質的に一致していることを証明することができる。
• 参考スコア（独自算出の注目度）: 0.16799377888527683
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational communication research on information has been prevalent in recent years, as people are progressively inquisitive in social behavior and public opinion. Nevertheless, it is of great significance to analyze the direction of predominant sentiment from the sentiment communication perspective. In this paper, the information emotion propagation model is established by introducing revamp genetic algorithms into information emotion. In the process of information dissemination, both the information emotions and the network emotions are dynamic. For this model, the information emotions and the network nodes emotions are quantified as binary codes. The convergence effects, crossover and mutation algorithms are introduced. These factors all act on the transmission process via dynamic propagation rate, and the improved genetic algorithm also acts on the emotion transmission. In particular, the latter two algorithms are different from the existing biological domain. Based on the existing research results in other manuscripts, we perform simulation described above on the hybrid network. The simulation results demonstrate that the trend approximate to the actual data. As a result, our work can prove that our proposed model is essentially consistent with the actual emotion transmission phenomenon.
• Abstract（参考訳）: 近年,社会行動や世論に徐々に好奇心を抱いているため,情報に関する計算コミュニケーション研究が盛んに行われている。 それにもかかわらず、感情コミュニケーションの観点から主観的な感情の方向性を分析することは非常に重要である。 本稿では,改良型遺伝的アルゴリズムを情報感情に導入し,情報感情伝達モデルを構築した。 情報伝達の過程では、情報感情とネットワーク感情の両方が動的である。 このモデルでは、情報感情とネットワークノード感情をバイナリコードとして定量化する。 収束効果、クロスオーバーおよび突然変異アルゴリズムが導入された。 これらの因子はすべて動的伝播速度を介して伝達過程に作用し、改良された遺伝的アルゴリズムは感情伝達にも作用する。 特に、後者の2つのアルゴリズムは既存の生物領域とは異なる。 他の写本における既存の研究結果をもとに,上で述べたシミュレーションをハイブリッドネットワーク上で実施する。 シミュレーションの結果,実際のデータに近似した傾向を示した。 その結果,提案モデルが実際の感情伝達現象と本質的に一致していることを証明することができた。

関連論文リスト

• Generative Technology for Human Emotion Recognition: A Scope Review [11.578408396744237]
  本調査は,2024年6月までに320以上の研究論文を総合的に分析し,既存の文献のギャップを埋めることを目的としている。 異なる生成モデルと一般的に使用されるデータセットの数学的原理を導入する。 様々なモダリティに基づいて、生成技術がどのように感情認識に対処するかを詳細に分析する。
  論文  参考訳（メタデータ） (2024-07-04T05:22:55Z)
• Emotion Analysis on EEG Signal Using Machine Learning and Neural Network [0.0]
  本研究の目的は,脳信号を用いた感情認識能力の向上である。 人間と機械の相互作用技術への様々なアプローチは長い間進行中であり、近年では脳信号を使って感情を自動的に理解することに成功した。
  論文  参考訳（メタデータ） (2023-07-09T09:50:34Z)
• Synthetic-to-Real Domain Adaptation for Action Recognition: A Dataset and Baseline Performances [76.34037366117234]
  ロボット制御ジェスチャー(RoCoG-v2)と呼ばれる新しいデータセットを導入する。 データセットは7つのジェスチャークラスの実ビデオと合成ビデオの両方で構成されている。 我々は,最先端の行動認識とドメイン適応アルゴリズムを用いて結果を示す。
  論文  参考訳（メタデータ） (2023-03-17T23:23:55Z)
• Improving the Generalizability of Text-Based Emotion Detection by Leveraging Transformers with Psycholinguistic Features [27.799032561722893]
  本稿では,両方向長短期記憶(BiLSTM)ネットワークと変換器モデル(BERT,RoBERTa)を併用したテキストベースの感情検出手法を提案する。 提案したハイブリッドモデルでは,標準的なトランスフォーマーベースアプローチと比較して,分布外データへの一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2022-12-19T13:58:48Z)
• Predicting Biomedical Interactions with Probabilistic Model Selection for Graph Neural Networks [5.156812030122437]
  現在の生物学的ネットワークは、ノイズ、スパース、不完全であり、そのような相互作用の実験的同定には時間と費用がかかる。 ディープグラフニューラルネットワークは、グラフ構造データモデリングの有効性を示し、バイオメディカル相互作用予測において優れた性能を達成した。 提案手法により,グラフ畳み込みネットワークは,その深度を動的に適応し,対話数の増加に対応することができる。
  論文  参考訳（メタデータ） (2022-11-22T20:44:28Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Emotion Recognition From Gait Analyses: Current Research and Future Directions [48.93172413752614]
  歩行はウォーカーの感情に関する情報を伝える 様々な感情と歩行パターンのマッピングは、感情の自動認識のための新しい情報源を提供する。 歩行は遠隔観察可能で 模倣が困難で 被験者との協力も少ない
  論文  参考訳（メタデータ） (2020-03-13T08:22:33Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。