Fugu-MT 論文翻訳(概要): Anxolotl, an Anxiety Companion App -- Stress Detection

論文の概要: Anxolotl, an Anxiety Companion App -- Stress Detection

arxiv url: http://arxiv.org/abs/2212.14006v1
Date: Wed, 28 Dec 2022 18:27:22 GMT
ステータス: 処理完了
システム内更新日: 2022-12-29 16:29:54.645549
Title: Anxolotl, an Anxiety Companion App -- Stress Detection
Title（参考訳）: Anxolotl, anxiety Companion App -- ストレス検出
Authors: Nuno Gomes, Matilde Pato, Pedro Santos, Andr\'e Louren\c{c}o, Louren\c{c}o Rodrigues
Abstract要約: SMILEデータセットはチームAnxolotlに提供され、堅牢なモデルを開発する必要があった。我々はPythonの分類のための教師付き学習モデルを開発し、64.1%の精度と54.96%のf1スコアの最終的な結果を示した。
参考スコア（独自算出の注目度）: 2.712399554918533
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Stress has a great effect on people's lives that can not be understated. While it can be good, since it helps humans to adapt to new and different situations, it can also be harmful when not dealt with properly, leading to chronic stress. The objective of this paper is developing a stress monitoring solution, that can be used in real life, while being able to tackle this challenge in a positive way. The SMILE data set was provided to team Anxolotl, and all it was needed was to develop a robust model. We developed a supervised learning model for classification in Python, presenting the final result of 64.1% in accuracy and a f1-score of 54.96%. The resulting solution stood the robustness test, presenting low variation between runs, which was a major point for it's possible integration in the Anxolotl app in the future.
Abstract（参考訳）: ストレスは、過小評価できない人々の生活に大きな影響を与えます。それは良いことだが、人間が新しい状況や異なる状況に適応するのに役立っているため、適切に扱わないと有害になり、慢性的なストレスにつながる可能性がある。本研究の目的は, 実生活で使用できるストレスモニタリングソリューションを開発し, 積極的手法でこの課題に取り組むことである。 smileデータセットはチームanxolotlに提供され、必要なのは堅牢なモデルを開発することだけだった。我々はPythonの分類のための教師付き学習モデルを開発し、64.1%の精度と54.96%のf1スコアを示した。結果として得られたソリューションは堅牢性テストであり、実行間のばらつきが低く、将来anxolotlアプリに統合される可能性の大きなポイントだった。

関連論文リスト

Adaptive Adapter Routing for Long-Tailed Class-Incremental Learning [55.384428765798496]
新しいデータは、Eコマースプラットフォームレビューのような、長期にわたる流通を示す。これは、忘れずに不均衡なデータを連続的なモデルで学習する必要がある。 LTCILの例として,AdaPtive Adapter Routing (APART) を提案する。
論文参考訳（メタデータ） (2024-09-11T17:52:00Z)
Cuttlefish: Low-Rank Model Training without All the Tuning [55.984294012024755]
自動低ランクトレーニングアプローチであるCuttlefishを紹介します。カトルフィッシュは、すべての階層の安定したランクが収束すると、フルランクからローランクのトレーニングに切り替える。以上の結果から,Cuttlefishはフルランクモデルの最大5.6倍のモデルを生成し,エンドツーエンドのトレーニングプロセスの最大1.2倍の高速化を実現している。
論文参考訳（メタデータ） (2023-05-04T04:20:20Z)
Tailoring Language Generation Models under Total Variation Distance [55.89964205594829]
ニューラルネットワーク生成の標準パラダイムは、最適化方法として最大推定(MLE)を採用する。言語生成に適用するための実践的境界を開発する。本稿では,TVD推定のトレードオフのバランスをとるためのTaiLr の目標について紹介する。
論文参考訳（メタデータ） (2023-02-26T16:32:52Z)
Comparison Of Deep Object Detectors On A New Vulnerable Pedestrian Dataset [2.7624021966289605]
脆弱な歩行者検出のための新しいデータセットであるBG Vulnerable Pedestrianデータセットを導入する。このデータセットはパブリックドメインから収集された画像と手動で注釈付けされたバウンディングボックスで構成されている。提案したデータセットでは,従来のオブジェクト検出モデル,すなわちYOLOv4,YOLOv5,YOLOX,Faster R-CNN,EfficientDetの5つをトレーニングし,テストした。
論文参考訳（メタデータ） (2022-12-12T19:59:47Z)
Solutions for Fine-grained and Long-tailed Snake Species Recognition in SnakeCLEF 2022 [30.8004334312293]
我々はSnakeCLEF 2022でヘビの種を認識できる方法を紹介した。いくつかの異なるモデルのアンサンブルにより、3位にランクインしたプライベートスコア82.65%が最終リーダーボードで達成される。
論文参考訳（メタデータ） (2022-07-04T05:55:58Z)
An optimized hybrid solution for IoT based lifestyle disease classification using stress data [2.3909933791900326]
提案手法は、被験者の心電図(ECG)、ガルバニック皮膚値(GSV)、HRV値、体の動きを測定するテストを用いている。開発したアプローチは、WASADデータセットを使用して、クラス不均衡問題に対処することができる。
論文参考訳（メタデータ） (2022-04-04T05:52:48Z)
On-the-Fly Test-time Adaptation for Medical Image Segmentation [63.476899335138164]
ソースモデルをテスト時にターゲットデータに適応させることは、データシフト問題に対する効率的な解決策である。本稿では、各畳み込みブロックに適応バッチ正規化層を設けるAdaptive UNetという新しいフレームワークを提案する。テスト期間中、モデルは新しいテストイメージのみを取り込み、ドメインコードを生成して、テストデータに従ってソースモデルの特徴を適応させる。
論文参考訳（メタデータ） (2022-03-10T18:51:29Z)
Bayesian Active Learning for Wearable Stress and Affect Detection [0.7106986689736827]
デバイス上での深層学習アルゴリズムによるストレス検出は、広汎なコンピューティングの進歩により増加傾向にある。本稿では,ベイズニューラルネットワークの近似によるモデル不確実性を表現可能なフレームワークを提案する。提案手法は, 提案手法により, 推定時の効率を著しく向上し, 獲得したプール点数がかなり少なくなる。
論文参考訳（メタデータ） (2020-12-04T16:19:37Z)
Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文参考訳（メタデータ） (2020-08-09T20:22:52Z)
Improving Maximum Likelihood Training for Text Generation with Density Ratio Estimation [51.091890311312085]
本稿では,テキスト生成で遭遇する大規模なサンプル空間において,効率よく安定な自動回帰シーケンス生成モデルのトレーニング手法を提案する。本手法は,品質と多様性の両面で,最大類似度推定や他の最先端シーケンス生成モデルよりも安定に優れている。
論文参考訳（メタデータ） (2020-07-12T15:31:24Z)
Self-Adaptive Training: beyond Empirical Risk Minimization [15.59721834388181]
余分な計算コストを伴わずにモデル予測により問題ラベルを動的に補正する新しいトレーニングアルゴリズムを提案する。自己適応型トレーニングは、様々なレベルのノイズに対する一般化を著しく改善し、自然と敵対両方のトレーニングにおいて過度に適合する問題を緩和する。 CIFARとImageNetデータセットの実験は、我々のアプローチの有効性を2つのアプリケーションで検証する。
論文参考訳（メタデータ） (2020-02-24T15:47:10Z)

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。