論文の概要: Speech Emotion Recognition using Supervised Deep Recurrent System for
Mental Health Monitoring
- arxiv url: http://arxiv.org/abs/2208.12812v1
- Date: Fri, 26 Aug 2022 01:14:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-30 14:55:46.027431
- Title: Speech Emotion Recognition using Supervised Deep Recurrent System for
Mental Health Monitoring
- Title(参考訳): メンタルヘルスモニタリングのための教師付きディープリカレントシステムによる音声感情認識
- Authors: Nelly Elsayed, Zag ElSayed, Navid Asadizanjani, Murat Ozer, Ahmed
Abdelgawad, Magdy Bayoumi
- Abstract要約: 本稿では、音声からの人間の感情を理解し、IVAサービスを改善し、メンタルヘルスを監視するために、ゲートリカレントニューラルネットワークと畳み込みニューラルネットワークに基づく新しいディープラーニングモデルを提案する。
- 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: Understanding human behavior and monitoring mental health are essential to
maintaining the community and society's safety. As there has been an increase
in mental health problems during the COVID-19 pandemic due to uncontrolled
mental health, early detection of mental issues is crucial. Nowadays, the usage
of Intelligent Virtual Personal Assistants (IVA) has increased worldwide.
Individuals use their voices to control these devices to fulfill requests and
acquire different services. This paper proposes a novel deep learning model
based on the gated recurrent neural network and convolution neural network to
understand human emotion from speech to improve their IVA services and monitor
their mental health.
- Abstract(参考訳): 人間行動の理解とメンタルヘルスのモニタリングは、コミュニティと社会の安全を維持するために不可欠である。
新型コロナウイルス(covid-19)のパンデミックでは、コントロール不能なメンタルヘルスによるメンタルヘルスの問題が増加しているため、早期に精神的な問題を検出することが不可欠である。
近年,知能仮想パーソナルアシスタント(IVA)の利用が世界中で増加している。
個人は声を使ってこれらのデバイスを制御し、要求を満たし、異なるサービスを取得する。
本稿では、音声からの人間の感情を理解し、IVAサービスを改善し、メンタルヘルスを監視するために、ゲートリカレントニューラルネットワークと畳み込みニューラルネットワークに基づく新しいディープラーニングモデルを提案する。
関連論文リスト
- LLM Agents for Psychology: A Study on Gamified Assessments [71.08193163042107]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳(メタデータ) (2024-02-19T18:00:30Z) - Challenges of Large Language Models for Mental Health Counseling [4.604003661048267]
世界のメンタルヘルス危機は、精神疾患の急速な増加、限られた資源、治療を求める社会的便宜によって悪化している。
メンタルヘルス領域における大規模言語モデル(LLM)の適用は、提供された情報の正確性、有効性、信頼性に関する懸念を提起する。
本稿では, モデル幻覚, 解釈可能性, バイアス, プライバシ, 臨床効果など, 心理カウンセリングのためのLSMの開発に伴う課題について検討する。
論文 参考訳(メタデータ) (2023-11-23T08:56:41Z) - LOST: A Mental Health Dataset of Low Self-esteem in Reddit Posts [4.6071451559137175]
低自尊心と対人欲求は、うつ病や自殺の試みに大きな影響を及ぼす。
個人は、孤独を増進し緩和するためにソーシャルメディア上の社会的つながりを求めます。
Reddit上での低自己評価を研究・検出するために,心理学的根拠と専門的な注釈付きデータセット,LoST: Low Self esTeemを紹介した。
論文 参考訳(メタデータ) (2023-06-08T23:52:35Z) - Memory-Augmented Theory of Mind Network [59.9781556714202]
社会的推論は、心の理論(ToM)の能力を必要とする。
ToMに対する最近の機械学習アプローチは、観察者が過去を読み、他のエージェントの振る舞いを提示するように訓練できることを実証している。
我々は,新たなニューラルメモリ機構を組み込んで符号化し,階層的な注意を払って他者に関する情報を選択的に検索することで,課題に対処する。
この結果、ToMMYは心的プロセスについての仮定をほとんど行わずに理性を学ぶマインドモデルである。
論文 参考訳(メタデータ) (2023-01-17T14:48:58Z) - Neural Theory-of-Mind? On the Limits of Social Intelligence in Large LMs [77.88043871260466]
私たちは、今日の最大の言語モデルのひとつに、このようなソーシャルインテリジェンスを最初から欠いていることを示しています。
我々は、人中心のNLPアプローチは、マインドの神経理論に対してより効果的であるかもしれないと結論づける。
論文 参考訳(メタデータ) (2022-10-24T14:58:58Z) - What's on your mind? A Mental and Perceptual Load Estimation Framework
towards Adaptive In-vehicle Interaction while Driving [55.41644538483948]
精神的な作業量と知覚的負荷が心理生理学的次元に及ぼす影響を分析する。
これらの測定値の融合により、心的および知覚的負荷レベルを分類する。
我々は、最大89%のメンタルワークロード分類精度を報告し、リアルタイムに最小限のソリューションを提供する。
論文 参考訳(メタデータ) (2022-08-10T21:19:49Z) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳(メタデータ) (2022-07-03T11:33:52Z) - 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) - Social Behavior and Mental Health: A Snapshot Survey under COVID-19
Pandemic [6.5721468981020665]
新型コロナウイルスのパンデミックは、私たちの生活、研究、社会化、再現方法を変えました。
オンラインソーシャルメディア分析を利用してユーザーの精神状態を検出し評価する研究が増えている。
論文 参考訳(メタデータ) (2021-05-17T21:08:03Z) - The Effect of Moderation on Online Mental Health Conversations [17.839146423209474]
モデレーターの存在はユーザーのエンゲージメントを高め、ユーザーはネガティブな感情をより率直に話し合うように促し、チャット参加者の間で悪い振る舞いを劇的に減らした。
以上の結果から, モデレーションは, オンラインメンタルヘルス会話の有効性と安全性を向上させる上で, 有効なツールとなる可能性が示唆された。
論文 参考訳(メタデータ) (2020-05-19T05:40:59Z)
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。