論文の概要: Arachnophobia Exposure Therapy using Experience-driven Procedural Content Generation via Reinforcement Learning (EDPCGRL)

• arxiv url: http://arxiv.org/abs/2110.04146v1
• Date: Thu, 7 Oct 2021 06:36:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-11 14:39:28.041204
• Title: Arachnophobia Exposure Therapy using Experience-driven Procedural Content Generation via Reinforcement Learning (EDPCGRL)
• Title（参考訳）: 強化学習(edpcgrl)による経験駆動型プロシーデュラルコンテンツ生成を用いたアラキノフォビア曝露療法
• Authors: Athar Mahmoudi-Nejad, Matthew Guzdial and Pierre Boulanger
• Abstract要約: 本稿では, 生理的指標に基づいて治療内容を自動的に適応するアプローチを提案する。 我々のEDPCGRL法は、既存の検索ベースのEDPCG手法と比較して、これらの仮想人間に高い精度でより迅速に適応することができる。
• 参考スコア（独自算出の注目度）: 2.8933605229876664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalized therapy, in which a therapeutic practice is adapted to an individual patient, leads to better health outcomes. Typically, this is accomplished by relying on a therapist's training and intuition along with feedback from a patient. While there exist approaches to automatically adapt therapeutic content to a patient, they rely on hand-authored, pre-defined rules, which may not generalize to all individuals. In this paper, we propose an approach to automatically adapt therapeutic content to patients based on physiological measures. We implement our approach in the context of arachnophobia exposure therapy, and rely on experience-driven procedural content generation via reinforcement learning (EDPCGRL) to generate virtual spiders to match an individual patient. In this initial implementation, and due to the ongoing pandemic, we make use of virtual or artificial humans implemented based on prior arachnophobia psychology research. Our EDPCGRL method is able to more quickly adapt to these virtual humans with high accuracy in comparison to existing, search-based EDPCG approaches.
• Abstract（参考訳）: 個別の患者に治療を適応させるパーソナライズドセラピーは、より良い健康結果をもたらす。 通常、これは患者からのフィードバックとともにセラピストの訓練と直感に頼ることで達成される。 患者に治療内容を自動的に適応させるアプローチは存在するが、それはすべての個人に一般化されない手書きの事前定義された規則に依存している。 本稿では,生理的指標に基づいて治療内容を自動的に適応するアプローチを提案する。 我々は,本手法をarachnophobia exposure therapy(arachnophobia exposure therapy)の文脈で実装し,個々の患者にマッチする仮想スパイダーを生成するために,強化学習(edpcgrl)による経験駆動プロシーデュラルコンテンツ生成に依拠する。 この初期実装と現在進行中のパンデミックにより、前回のアラハノフォビア心理学研究に基づいて実装された仮想的または人工的な人間を利用する。 我々のEDPCGRL法は、既存の検索ベースのEDPCG手法と比較して、より迅速にこれらの仮想人間に適応することができる。

関連論文リスト

• Learning Hand State Estimation for a Light Exoskeleton [50.05509088121445]
  そこで本研究では,光エクソスケトンを用いた手の状態推定手法を提案する。 本研究は,前腕の筋活動と外骨格の運動から得られる情報を用いて,手指の開度とコンプライアンスレベルを再構築する指導的アプローチを構築する。 我々のアプローチは本物の光のエクソスケルトンで検証されている。
  論文  参考訳（メタデータ） (2024-11-14T09:12:38Z)
• Spiders Based on Anxiety: How Reinforcement Learning Can Deliver Desired User Experience in Virtual Reality Personalized Arachnophobia Treatment [2.896648070760215]
  プロシージャコンテンツ生成(PCG)と強化学習(RL)を利用したバーチャルリアリティ露光療法(VRET)の枠組みを提案する。 この治療では、仮想クモを観察する患者が脱感作し恐怖症を減少させる。 より一般的なルールベースのVRET法と比較して,本システムの優れた性能を示す。
  論文  参考訳（メタデータ） (2024-09-25T22:30:39Z)
• Integrating Physiological Data with Large Language Models for Empathic Human-AI Interaction [19.259030493272345]
  本稿では,Large Language Models (LLMs) における共感の促進を生理的データと組み合わせることで検討する。 本稿では,心理学的状態を認識するための生理学的データを用いたディープラーニングモデルの開発を含む,生理学的コンピューティング手法を提案する。
  論文  参考訳（メタデータ） (2024-04-14T23:40:00Z)
• Exploring Physiological Responses in Virtual Reality-based Interventions for Autism Spectrum Disorder: A Data-Driven Investigation [0.24876373046660102]
  本研究は、ARDと診断された34名を対象に、VR内のマルチプレイヤー深刻なゲーム環境を取り入れた。 また,VRセッションの参加者の覚醒反応を包括的に把握するために,高精度バイオセンサを用いた。 この研究は、仮想シナリオに適応するためにリアルタイムデータを使用することの可能性を示し、パーソナライズされた治療を支援するための有望な道のりを示唆した。
  論文  参考訳（メタデータ） (2024-04-10T16:50:07Z)
• Assessing Patient Eligibility for Inspire Therapy through Machine Learning and Deep Learning Models [4.4048801693309825]
  インスパイア療法(Inspire therapy)は、FDAが承認した閉塞性睡眠時無呼吸症の内的神経刺激療法である。 全ての患者がこの治療に反応するわけではなく、経験豊富な耳鼻咽喉科医でさえ候補を決定するのが困難である。 本稿では,機械学習と深層学習の両手法を併用して,インスパイア療法に対する患者反応を識別する試みを初めて行った。
  論文  参考訳（メタデータ） (2024-02-01T23:53:12Z)
• Chain of Empathy: Enhancing Empathetic Response of Large Language Models Based on Psychotherapy Models [2.679689033125693]
  本稿では,心理療法の知見を活かして,大規模言語モデル(LLM)を誘導し,人間の感情状態を理解する新しい方法である「共感の連鎖(CoE)」を提案する。 この方法は認知行動療法(CBT)、弁証的行動療法(DBT)、人中心療法(PCT)、現実療法(RT)など様々な心理療法のアプローチにインスパイアされている。
  論文  参考訳（メタデータ） (2023-11-02T02:21:39Z)
• Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
  インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。 本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。 提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
  論文  参考訳（メタデータ） (2022-01-11T13:55:57Z)
• Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
  本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。 提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
  論文  参考訳（メタデータ） (2021-10-01T15:28:44Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
  動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。 本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-06T13:03:42Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。