論文の概要: Comparing Machine Learning-Centered Approaches for Forecasting Language Patterns During Frustration in Early Childhood

• arxiv url: http://arxiv.org/abs/2110.15778v1
• Date: Fri, 29 Oct 2021 13:45:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-01 13:38:03.839662
• Title: Comparing Machine Learning-Centered Approaches for Forecasting Language Patterns During Frustration in Early Childhood
• Title（参考訳）: 幼児期のフラストレーションにおける予測言語パターンに対する機械学習中心アプローチの比較
• Authors: Arnav Bhakta, Yeunjoo Kim, Pamela Cole
• Abstract要約: 子どもたちは、自己統制的課題に直面した際の感情や行動を抑制するために自分の言語を使うことが知られている。 本稿では,eXtreme Gradient Boosting,Random Forest,Long Short-Term Memory Recurrent Neural Networks,Elastic Net Regressionを用いて,子どもの言語パターンを予測する。 これらの方法の比較分析の結果から,子どもの自己調節パターンのように,高次元・高密度なデータを扱う場合,決定木に基づくアルゴリズムは従来の回帰法やニューラルネットワーク法よりも優れていることが明らかになった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When faced with self-regulation challenges, children have been known the use their language to inhibit their emotions and behaviors. Yet, to date, there has been a critical lack of evidence regarding what patterns in their speech children use during these moments of frustration. In this paper, eXtreme Gradient Boosting, Random Forest, Long Short-Term Memory Recurrent Neural Networks, and Elastic Net Regression, have all been used to forecast these language patterns in children. Based on the results of a comparative analysis between these methods, the study reveals that when dealing with high-dimensional and dense data, with very irregular and abnormal distributions, as is the case with self-regulation patterns in children, decision tree-based algorithms are able to outperform traditional regression and neural network methods in their shortcomings.
• Abstract（参考訳）: 自己統制的課題に直面した子どもたちは、感情や行動を抑制するために言語を使うことが知られている。 しかし、これまでのところ、子どもがこうしたフラストレーションの瞬間にどのような言語パターンを使うかという証拠は欠如している。 本稿では,eXtreme Gradient Boosting,Random Forest,Long Short-Term Memory Recurrent Neural Networks,Elastic Net Regressionを用いて,子どもの言語パターンを予測する。 これらの手法の比較分析の結果,子どもの自己調節パターンと同様に,非常に不規則で異常な分布を持つ高次元・密集データを扱う場合,決定木に基づくアルゴリズムは,従来の回帰法やニューラルネットワークの手法をその欠点で上回ることができることが明らかとなった。

関連論文リスト

• Detection of developmental language disorder in Cypriot Greek children using a neural network algorithm [0.0]
  本研究の目的は,人工知能を用いた発達言語障害(DLD)の自動識別手法の開発である。 このプロトコルは、DLDを持つキプロス系ギリシャ人の子供に初めて適用される。 モデルの性能は精度,精度,リコール,F1スコア,ROC/AUC曲線などの指標を用いて評価した。
  論文  参考訳（メタデータ） (2023-11-25T15:23:46Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Word Acquisition in Neural Language Models [0.38073142980733]
  ニューラルネットワークモデルは,学習中に個々の単語を習得し,学習曲線を抽出し,600以上の単語の獲得年齢を推定する。 子どもや言語モデルでは, 具体性, 単語長, 語彙クラスの影響が顕著に異なることがわかった。
  論文  参考訳（メタデータ） (2021-10-05T23:26:16Z)
• Explainable Adversarial Attacks in Deep Neural Networks Using Activation Profiles [69.9674326582747]
  本稿では,敵対的事例に基づくニューラルネットワークモデルを検討するためのビジュアルフレームワークを提案する。 これらの要素を観察することで、モデル内の悪用領域を素早く特定できることを示す。
  論文  参考訳（メタデータ） (2021-03-18T13:04:21Z)
• Firearm Detection via Convolutional Neural Networks: Comparing a Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
  武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。 これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。 従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
  論文  参考訳（メタデータ） (2020-12-17T15:19:29Z)
• On Long-Tailed Phenomena in Neural Machine Translation [50.65273145888896]
  最先端のニューラルネットワーク翻訳(NMT)モデルは、低周波トークンの生成に苦労する。 条件付きテキスト生成における構造的依存関係にモデルトレーニングを適応させるために,新たな損失関数である反焦点損失を提案する。 提案手法は,複数の機械翻訳(MT)データセットに対して有効であり,クロスエントロピーよりも顕著に向上することを示す。
  論文  参考訳（メタデータ） (2020-10-10T07:00:57Z)
• Recurrent babbling: evaluating the acquisition of grammar from limited input data [0.30458514384586405]
  リカレントニューラルネットワーク(Recurrent Neural Networks, RNN)は、生の言語入力から構文の様々な側面を捉えることが示されている。 本稿では,子育て入力の現実的な大きさのサブセットに対して,LSTM(Long Short-Term Memory Network)をトレーニングすることで,この状況を改善する。
  論文  参考訳（メタデータ） (2020-10-09T15:30:05Z)
• Bayesian Neural Networks: An Introduction and Survey [22.018605089162204]
  本稿ではベイズニューラルネットワーク(BNN)とその実装に関する基礎研究を紹介する。 異なる近似推論法を比較し、将来の研究が現在の手法でどのように改善されるかを強調するために使用される。
  論文  参考訳（メタデータ） (2020-06-22T06:30:15Z)
• Mechanisms for Handling Nested Dependencies in Neural-Network Language Models and Humans [75.15855405318855]
  我々は,「深層学習」手法で訓練された現代人工ニューラルネットワークが,人間の文処理の中心的な側面を模倣するかどうかを検討した。 ネットワークは、大きなコーパスで次の単語を予測するためにのみ訓練されたが、分析の結果、局所的および長距離の構文合意をうまく処理する特別なユニットが出現した。 我々は,複数の名詞の単数/複数状態における体系的な変化を伴う文中の数一致の違反を人間が検出する行動実験において,モデルの予測を検証した。
  論文  参考訳（メタデータ） (2020-06-19T12:00:05Z)
• The large learning rate phase of deep learning: the catapult mechanism [50.23041928811575]
  問題解決可能なトレーニングダイナミクスを備えたニューラルネットワークのクラスを提示する。 現実的なディープラーニング環境において,モデルの予測とトレーニングのダイナミクスとの間には,よい一致がある。 我々の結果は、異なる学習率でトレーニングされたモデルの特性に光を当てたと信じています。
  論文  参考訳（メタデータ） (2020-03-04T17:52:48Z)

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。