論文の概要: Analyzing the impact of Driving tasks when detecting emotions through
Brain-Computer Interfaces
- arxiv url: http://arxiv.org/abs/2209.00993v1
- Date: Tue, 30 Aug 2022 10:20:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-11 13:09:16.372650
- Title: Analyzing the impact of Driving tasks when detecting emotions through
Brain-Computer Interfaces
- Title（参考訳）: 脳-コンピューターインタフェースによる感情検出における運転課題の影響分析
- Authors: Mario Quiles P\'erez, Enrique Tom\'as Mart\'inez Beltr\'an, Sergio
L\'opez Bernal, Alberto Huertas Celdr\'an, Gregorio Mart\'inez P\'erez
- Abstract要約: 本研究は,脳波と機械学習,深層学習アルゴリズムを用いた感情検出を目的としたフレームワークを提案する。
その結果,2つの感情(非刺激,怒り),3つの感情(非刺激,怒り,中立)93%,4つの感情(非刺激,怒り,中立,喜び)75%の精度が得られた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Traffic accidents are the leading cause of death among young people, a
problem that today costs an enormous number of victims. Several technologies
have been proposed to prevent accidents, being Brain-Computer Interfaces (BCIs)
one of the most promising. In this context, BCIs have been used to detect
emotional states, concentration issues, or stressful situations, which could
play a fundamental role in the road since they are directly related to the
drivers' decisions. However, there is no extensive literature applying BCIs to
detect subjects' emotions in driving scenarios. In such a context, there are
some challenges to be solved, such as (i) the impact of performing a driving
task on the emotion detection and (ii) which emotions are more detectable in
driving scenarios. To improve these challenges, this work proposes a framework
focused on detecting emotions using electroencephalography with machine
learning and deep learning algorithms. In addition, a use case has been
designed where two scenarios are presented. The first scenario consists in
listening to sounds as the primary task to perform, while in the second
scenario listening to sound becomes a secondary task, being the primary task
using a driving simulator. In this way, it is intended to demonstrate whether
BCIs are useful in this driving scenario. The results improve those existing in
the literature , achieving 99% accuracy for the detection of two emotions
(non-stimuli and angry), 93% for three emotions (non-stimuli, angry and
neutral) and 75% for four emotions (non-stimuli, angry, neutral and joy).
- Abstract（参考訳）: 交通事故は若者の主要な死因であり、今日では非常に多くの犠牲者が犠牲になっている。
事故を防ぐためにいくつかの技術が提案されており、bcis(brain-computer interface)が最も有望な技術である。
この文脈では、bcisは感情状態、集中力の問題、ストレスの多い状況を検出するのに使われており、ドライバーの決定に直接関係しているため、道路の基本的な役割を担っている。
しかし、bcisを運転シナリオにおける被験者の感情検出に適用した広範な文献はない。
このような状況では、解決すべき課題がいくつかあります。
(i)運転課題が感情検出に与える影響
(ii)運転シナリオにおいて、どの感情がより検出可能か。
これらの課題を改善するために,脳波と機械学習,深層学習アルゴリズムを用いて感情を検出するフレームワークを提案する。
さらに2つのシナリオが提示されるユースケースも設計されている。
第一のシナリオは音を第一のタスクとして聞くこと、第二のシナリオでは音を聞くことは第二のタスクとなり、運転シミュレータを使う第一のタスクとなる。
このようにして、この駆動シナリオでBCIが有用かどうかを示すことが意図されている。
その結果,2つの感情(非刺激,怒り,怒り)の検出には99%,3つの感情(非刺激,怒り,中立)には93%,4つの感情(非刺激,怒り,中立,喜び)には75%の精度が得られた。
関連論文リスト
- A Survey of Spatio-Temporal EEG data Analysis: from Models to Applications [20.54846023209402]
本調査は,脳活動の理解と解釈を変革するための新しい手法と技術に焦点を当てる。
我々は、脳信号の堅牢な表現を可能にする自己教師あり学習手法を探求する。
また,グラフニューラルネットワーク(GNN)や基礎モデル,大規模言語モデル(LLM)に基づくアプローチなど,新たな差別的手法についても検討する。
この調査は、これらの最先端技術、その応用、そして彼らが将来の研究および臨床実践に持つ深い影響について、広範囲にわたる概要を提供している。
論文 参考訳（メタデータ） (2024-09-26T08:09:15Z) - Progress and Opportunities of Foundation Models in Bioinformatics [77.74411726471439]
基礎モデル(FM)は、特に深層学習の領域において、計算生物学の新しい時代に定着した。
我々の焦点は、特定の生物学的問題にFMを応用することであり、研究ニーズに適切なFMを選択するために研究コミュニティを指導することを目的としています。
データノイズ、モデル説明可能性、潜在的なバイアスなど、生物学においてFMが直面する課題と限界を分析します。
論文 参考訳（メタデータ） (2024-02-06T02:29:17Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。
まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。
次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
論文 参考訳（メタデータ） (2023-11-01T14:44:01Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - Roadmap on Signal Processing for Next Generation Measurement Systems [0.222020259427608]
人工知能と機械学習の最近の進歩は、研究の注目をインテリジェントでデータ駆動の信号処理へとシフトさせている。
このロードマップは、次世代計測システムに向けた今後の課題と研究の機会を強調するために、最先端の手法と応用について批判的な概要を提示する。
基礎研究から工業研究まで幅広い分野をカバーし、研究分野ごとの現在と将来の発展の傾向と影響を反映した簡潔なテーマのセクションで組織されている。
論文 参考訳（メタデータ） (2021-11-03T19:39:34Z) - Predicting Potential Drug Targets Using Tensor Factorisation and
Knowledge Graph Embeddings [4.415977307120617]
我々は、病気の潜在的な薬物標的(遺伝子またはタンパク質)を予測するための新しいテンソル分解モデルを開発した。
薬物発見指向の知識グラフから得られた遺伝子表現を用いてデータを豊かにし,提案手法を適用し,未確認ターゲットと解離ペアの臨床的結果を予測する。
論文 参考訳（メタデータ） (2021-05-20T16:19:00Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - Data-Driven Logistic Regression Ensembles With Applications in Genomics [0.0]
本稿では,正規化とアンサンブルのアイデアを組み合わせた高次元二項分類問題に対する新しいアプローチを提案する。
がん,多発性硬化症,乾皮症などの共通疾患を含むいくつかの医学的データセットを用いて,バイオマーカーの予測精度と同定の点で,本手法の優れた性能を実証した。
論文 参考訳（メタデータ） (2021-02-17T05:57:26Z) - Challenges in biomarker discovery and biorepository for Gulf-war-disease
studies: a novel data platform solution [48.7576911714538]
ROSALINDという新しいデータプラットフォームを導入し、課題を克服し、健全で重要なコラボレーションを育み、科学的調査を進めます。
ROSALINDは、自己管理されたアクセシビリティ、リンク性、可積分性、中立性、信頼性を持つリソース有機体を指します。
過去12ヶ月のGWI研究におけるROSALINDの展開により、データ実験と分析のペースが加速し、多数のエラーソースが削除され、研究品質と生産性が向上しました。
論文 参考訳（メタデータ） (2021-02-04T20:38:30Z) - Machine learning and AI-based approaches for bioactive ligand discovery
and GPCR-ligand recognition [2.842794675894731]
ディープラーニングは、従来の機械学習だけでなく、高度に専門化されたツールよりも優れていることが示されている。
我々は、GPCR生物活性分子の発見に繋がった最新のAIベースの研究を強調した。
このレビューは、ディープラーニングの最近の研究動向を浮き彫りにした、短い展望で締めくくっている。
論文 参考訳（メタデータ） (2020-01-17T22:01:26Z)
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。