論文の概要: Fusion of Physiological and Behavioural Signals on SPD Manifolds with Application to Stress and Pain Detection

• arxiv url: http://arxiv.org/abs/2207.08811v1
• Date: Sun, 17 Jul 2022 16:54:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-20 13:07:10.668999
• Title: Fusion of Physiological and Behavioural Signals on SPD Manifolds with Application to Stress and Pain Detection
• Title（参考訳）: SPDマニフォールド上の生理・行動信号の融合とストレス・痛み検出への応用
• Authors: Yujin WU, Mohamed Daoudi, Ali Amad, Laurent Sparrow, Fabien D'Hondt
• Abstract要約: マルチモーダルストレス/ペイン認識アプローチは、一般的に異なるモーダルから特徴を独立して抽出する。 本稿では,Symmetric Positive Definite (SPD) 行列を用いたマルチモーダル応力/塗料検出のための新しい幾何学的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 1.9844265130823329
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing multimodal stress/pain recognition approaches generally extract features from different modalities independently and thus ignore cross-modality correlations. This paper proposes a novel geometric framework for multimodal stress/pain detection utilizing Symmetric Positive Definite (SPD) matrices as a representation that incorporates the correlation relationship of physiological and behavioural signals from covariance and cross-covariance. Considering the non-linearity of the Riemannian manifold of SPD matrices, well-known machine learning techniques are not suited to classify these matrices. Therefore, a tangent space mapping method is adopted to map the derived SPD matrix sequences to the vector sequences in the tangent space where the LSTM-based network can be applied for classification. The proposed framework has been evaluated on two public multimodal datasets, achieving both the state-of-the-art results for stress and pain detection tasks.
• Abstract（参考訳）: 既存のマルチモーダルストレス/ページ認識アプローチは一般的に、異なるモーダリティから独立して特徴を抽出するため、クロスモーダリティ相関を無視する。 本稿では,対称正定値行列(spd)を共分散とクロス共分散による生理的・行動的信号の相関関係を組み込んだ多様応力・ペイント検出のための新しい幾何学的枠組みを提案する。 spd行列のリーマン多様体の非線形性を考えると、よく知られた機械学習技術はこれらの行列の分類には適していない。 したがって、lstmベースのネットワークを分類に適用可能な接空間において、導出されたspd行列列をベクトル列にマッピングするために接空間マッピング法が適用される。 提案したフレームワークは2つの公開マルチモーダルデータセットで評価され、ストレスおよび痛み検出タスクの最先端の結果が得られた。

関連論文リスト

• Induced Covariance for Causal Discovery in Linear Sparse Structures [55.2480439325792]
  因果モデルでは、観測データから変数間の因果関係を解き明かそうとしている。 本稿では,変数が線形に疎結合な関係を示す設定のための新しい因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-02T04:01:38Z)
• Weakly supervised covariance matrices alignment through Stiefel matrices estimation for MEG applications [64.20396555814513]
  本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。 我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。 MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
  論文  参考訳（メタデータ） (2024-01-24T19:04:49Z)
• Cancer Subtype Identification through Integrating Inter and Intra Dataset Relationships in Multi-Omics Data [0.0]
  マルチオミクスデータの統合は、がんなどの複雑な疾患に対する洞察を得るための有望なアプローチとして現れてきた。 本稿では,クラスタリングのためのマルチオミクスデータの統合による癌サブタイプ同定手法を提案する。
  論文  参考訳（メタデータ） (2023-12-02T12:11:47Z)
• Classification of BCI-EEG based on augmented covariance matrix [0.0]
  本稿では,運動画像分類の改善を目的とした自己回帰モデルから抽出した拡張共分散に基づく新しいフレームワークを提案する。 私たちはMOABBフレームワークを使って、いくつかのデータセットといくつかの主題でアプローチを検証します。
  論文  参考訳（メタデータ） (2023-02-09T09:04:25Z)
• Collaborative Representation for SPD Matrices with Application to Image-Set Classification [12.447073442122468]
  協調表現に基づく分類(CRC)はここ数年で顕著な進歩を遂げている。 既存のCRC法では非線形変動情報を直接処理することができない。 最近の進歩は、これらの非線形変動情報を効果的にモデル化し、不変表現を学習する方法がオープンな課題であることを示している。
  論文  参考訳（メタデータ） (2022-01-22T04:56:53Z)
• A Hypothesis Testing Approach to Nonstationary Source Separation [15.193722258844517]
  盲目および半盲目多変量観測からの非定常信号の抽出は、再発問題である。 非定常性同定のための様々な手法を概説し,仮説テストに基づく新しい汎用フレームワークを提案する。 本手法は,非侵襲性胎児心電図抽出に応用されている。
  論文  参考訳（メタデータ） (2021-05-14T16:58:55Z)
• Learning Log-Determinant Divergences for Positive Definite Matrices [47.61701711840848]
  本稿では,データ駆動方式で類似度を学習することを提案する。 スカラーアルファとベータによってパラメトリ化されたメタダイバージェンスであるalphabeta-log-detの発散を利用する。 私たちの重要なアイデアは、これらのパラメータを連続体にキャストし、データから学ぶことです。
  論文  参考訳（メタデータ） (2021-04-13T19:09:43Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。