論文の概要: A Machine Learning Tool to Determine State of Mind and Emotion
- arxiv url: http://arxiv.org/abs/2108.03444v1
- Date: Sat, 7 Aug 2021 13:03:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-11 13:06:40.234651
- Title: A Machine Learning Tool to Determine State of Mind and Emotion
- Title（参考訳）: 思考と感情の状態を決定する機械学習ツール
- Authors: Rodrigo S. Jamisola Jr
- Abstract要約: 心と感情の状態は、この作品において、論理や理性に基づいていない好み、感情、意見に関連するものとして定義される。
このツールは心理学者の専門知識を模倣するように設計されており、心理学の正式な知識は持っていない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper investigates the possibility of creating a machine learning tool
that automatically determines the state of mind and emotion of an individual
through a questionnaire, without the aid of a human expert. The state of mind
and emotion is defined in this work as pertaining to preference, feelings, or
opinion that is not based on logic or reason. It is the case when a person
gives out an answer to start by saying, "I feel...". The tool is designed to
mimic the expertise of a psychologist and is built without any formal knowledge
of psychology. The idea is to build the expertise by purely computational
methods through thousands of questions collected from users. It is aimed
towards possibly diagnosing substance addiction, alcoholism, sexual attraction,
HIV status, degree of commitment, activity inclination, etc. First, the paper
presents the related literature and classifies them according to data gathering
methods. Another classification is created according to preference, emotion,
grouping, and rules to achieve a deeper interpretation and better understanding
of the state of mind and emotion. Second, the proposed tool is developed using
an online addiction questionnaire with 10 questions and 292 respondents. In
addition, an initial investigation on the dimension of addiction is presented
through the built machine learning model. Machine learning methods, namely,
artificial neural network (ANN) and support vector machine (SVM), are used to
determine a true or false or degree of state of a respondent.
- Abstract（参考訳）: 本稿では,人間専門家の助けを借りずに,質問紙を通じて個人の心の状態や感情を自動的に判断する機械学習ツールの開発の可能性を検討する。
心と感情の状態は、この作品において、論理や理性に基づいていない好み、感情、意見に関連するものとして定義される。
人が「私は...感じる」と言うことから答えを出す場合です。
このツールは心理学者の専門知識を模倣するように設計されており、心理学の正式な知識を持たない。
そのアイデアは、ユーザーから集めた何千という質問を通じて、純粋に計算方法によって専門知識を構築することだ。
薬物依存症、アルコール依存症、性的魅力、hivステータス、コミットメントの程度、活動の傾向などを診断することを目的としている。
まず,関連文献を提示し,データ収集手法に従って分類する。
別の分類は、好み、感情、グループ化、ルールに基づいて作成され、より深い解釈と心と感情の状態の理解を達成する。
第2に,10質問と292回答のオンライン中毒アンケートを用いて,提案ツールを開発した。
さらに、構築された機械学習モデルを通じて、依存の次元に関する最初の調査が提示される。
機械学習手法、すなわち、人工知能ニューラルネットワーク(ANN)とサポートベクターマシン(SVM)は、応答者の真、偽、あるいは状態の度合いを決定するために使用される。
関連論文リスト
- Are LLMs effective psychological assessors? Leveraging adaptive RAG for interpretable mental health screening through psychometric practice [2.9775344067885974]
本稿では,ソーシャルメディアの投稿を分析し,心理的アンケートを補完する適応型検索・拡張生成(RAG)手法を提案する。
本手法は,心理調査において各質問に対する最も関連性の高いユーザ投稿を検索し,ゼロショット環境でのアンケート結果の予測にLarge Language Models (LLMs) を用いる。
論文 参考訳（メタデータ） (2025-01-02T00:01:54Z) - People Attribute Purpose to Autonomous Vehicles When Explaining Their Behavior: Insights from Cognitive Science for Explainable AI [22.138074429937795]
効果的な人間中心の説明可能な人工知能(XAI)は人間の推論によく似ているとしばしば主張されている。
本稿では, 機械的, 遠隔的, あるいは反現実的を問わず, 人々がどのように説明を行うかを分析するための説明モードの枠組みを提案する。
我々の主な発見は、参加者がテレロジカルな説明を、反ファクト的な説明よりもはるかに良い品質とみなし、テレロジカルな表現が、知覚された品質の最良の予測因子であると認識していることである。
論文 参考訳（メタデータ） (2024-03-11T11:48:50Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Neural networks for learning personality traits from natural language [0.0]
この論文プロジェクトは、非常に実験的であり、その背景にある動機は、そのトピックに関する詳細な分析を提示することである。
出発点は、心理学文献が5つの主要な性格特性(Big Five)のマーカーとして定義する形容詞の辞書である。
私たちは2013年にTomas Mikolov氏が発明した分散アルゴリズムのクラスを使用します。
論文 参考訳（メタデータ） (2023-02-23T10:33:40Z) - Interpreting Neural Policies with Disentangled Tree Representations [58.769048492254555]
本稿では,コンパクトなニューラルポリシーの解釈可能性について,不整合表現レンズを用いて検討する。
決定木を利用して,ロボット学習における絡み合いの要因を抽出する。
学習したニューラルダイナミクスの絡み合いを計測する解釈可能性指標を導入する。
論文 参考訳（メタデータ） (2022-10-13T01:10:41Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳（メタデータ） (2022-01-20T17:07:03Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳（メタデータ） (2021-02-24T14:58:23Z) - Indecision Modeling [50.00689136829134]
AIシステムは人間の価値観に合わせて行動することが重要である。
人々はしばしば決定的ではなく、特に彼らの決定が道徳的な意味を持つときです。
論文 参考訳（メタデータ） (2020-12-15T18:32:37Z) - Speech-Based Emotion Recognition using Neural Networks and Information
Visualization [1.52292571922932]
本研究では,音声成分から音声サンプルを抽出し,様々な感情を識別するツールを提案する。
ダッシュボードは、音声データの直感的な表現のために、局所的なセラピストのニーズに基づいて設計されている。
論文 参考訳（メタデータ） (2020-10-28T20:57:32Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳（メタデータ） (2020-06-15T13:59:47Z) - How to Answer Why -- Evaluating the Explanations of AI Through Mental
Model Analysis [0.0]
人間中心のAI研究の鍵となる疑問は、ユーザーのメンタルモデルをどのように有効に調査するかである。
実験的な研究手法としてメンタルモデルが適切かどうかを評価する。
本稿では、人間中心の方法で説明可能なAIアプローチを評価するための模範的手法を提案する。
論文 参考訳（メタデータ） (2020-01-11T17:15:58Z)
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。