論文の概要: Pavlok-Nudge: A Feedback Mechanism for Atomic Behaviour Modification
with Snoring Usecase
- arxiv url: http://arxiv.org/abs/2305.06110v2
- Date: Thu, 11 May 2023 03:29:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 11:13:01.528890
- Title: Pavlok-Nudge: A Feedback Mechanism for Atomic Behaviour Modification
with Snoring Usecase
- Title(参考訳): Pavlok-Nudge:スノーティング・ケースを用いた原子行動修正のためのフィードバック機構
- Authors: Shreya Ghosh, Rakibul Hasan, Pradyumna Agrawal, Zhixi Cai, Susannah
Soon, Abhinav Dhall, Tom Gedeon
- Abstract要約: ユーザインタフェースを設計し,Pavlokとディープラーニングモデルを統合したフィードバック機構を自動生成する。
ディープラーニングモデルの予測に基づいて、私たちはPavlokを使用して予防対策をユーザに警告します。
- 参考スコア(独自算出の注目度): 13.639482573608268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a feedback mechanism to 'break bad habits' using the
Pavlok device. Pavlok utilises beeps, vibration and shocks as a mode of
aversion technique to help individuals with behaviour modification. While the
device can be useful in certain periodic daily life situations, like alarms and
exercise notifications, the device relies on manual operations that limit its
usage. To this end, we design a user interface to generate an automatic
feedback mechanism that integrates Pavlok and a deep learning based model to
detect certain behaviours via an integrated user interface i.e. mobile or
desktop application. Our proposed solution is implemented and verified in the
context of snoring, which first detects audio from the environment following a
prediction of whether the audio content is a snore or not. Based on the
prediction of the deep learning model, we use Pavlok to alert users for
preventive measures. We believe that this simple solution can help people to
change their atomic habits, which may lead to long-term benefits.
- Abstract(参考訳): 本稿では,pavlokデバイスを用いた「悪習慣を壊す」フィードバック機構を提案する。
Pavlokは、ビープ、振動、衝撃を回避技術として利用し、個人が行動修正を行うのを助ける。
このデバイスは、アラームやエクササイズ通知など、日常の特定の状況下では便利だが、その使用を制限する手動操作に依存している。
この目的のために,Pavlokとディープラーニングモデルを統合した自動フィードバック機構を生成するユーザインタフェースを設計し,モバイルやデスクトップアプリケーションなどの統合ユーザインターフェースを通じて特定の動作を検出する。
提案手法は,音声コンテンツがスヌールであるか否かを予測した結果,まず環境から音声を検出するスヌーリングの文脈で実装,検証される。
ディープラーニングモデルの予測に基づいて,pavlokを用いてユーザに対して予防措置を警告する。
このシンプルなソリューションは、人々がアトミックな習慣を変えるのに役立つと信じています。
関連論文リスト
- Boosting keyword spotting through on-device learnable user speech
characteristics [16.632185274553485]
常時オンのTinyML制約されたアプリケーションのキーワードスポッティングシステムは、オンサイトチューニングを必要とする。
ターゲットユーザの音声特異性に適応するには、多くのドメイン内サンプルが必要であり、多くの場合、現実のシナリオでは利用できない。
本稿では,事前学習されたバックボーンとユーザの音声特性を学習するユーザ認識を組み込んだ,デバイス上での新たな学習アーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-03-12T16:41:31Z) - Bootstrapping Adaptive Human-Machine Interfaces with Offline
Reinforcement Learning [82.91837418721182]
適応インターフェイスは、ユーザがシーケンシャルな意思決定タスクを実行するのに役立つ。
近年のヒューマン・イン・ザ・ループ・機械学習の進歩により、ユーザとの対話によってこのようなシステムが改善されている。
本稿では,生のコマンド信号をアクションにマッピングするインタフェースを訓練するための強化学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-09-07T16:52:27Z) - Evaluating and Optimizing Hearing-Aid Self-Fitting Methods using
Population Coverage [0.4014524824655105]
軽度から軽度に聴力を失う成人は、聴力障害を従来の聴力障害のわずかなコストで治療するために、オーバーザカウンタ補聴器を使用することができる。
これらの製品には、聴覚学者の助けを借りずに、エンドユーザが補聴器を設定できる自己適合方式が組み込まれている。
本稿では,効率的な自己適合手法を設計する方法と,高価なユーザスタディに頼らずに設計の特定の側面を評価することができるかを検討する。
論文 参考訳(メタデータ) (2022-10-25T03:02:55Z) - Checklist Models for Improved Output Fluency in Piano Fingering
Prediction [33.52847881359949]
ピアノ音楽の指先予測のための新しい手法を提案する。
我々は、近年の予測の表現を維持する強化学習を通じて訓練されたチェックリストシステムを提案する。
これらの指標に対する改善に直接寄与する性能の顕著な向上を示す。
論文 参考訳(メタデータ) (2022-09-12T21:27:52Z) - X2T: Training an X-to-Text Typing Interface with Online Learning from
User Feedback [83.95599156217945]
ユーザがキーボードを操作できないが、他の入力を供給できる、補助型タイピングアプリケーションに焦点を当てる。
標準メソッドは、ユーザ入力の固定データセット上でモデルをトレーニングし、そのミスから学ばない静的インターフェースをデプロイする。
このようなインターフェースが時間の経過とともに改善されるようなシンプルなアイデアを,ユーザによる最小限の努力で検討する。
論文 参考訳(メタデータ) (2022-03-04T00:07:20Z) - ASHA: Assistive Teleoperation via Human-in-the-Loop Reinforcement
Learning [91.58711082348293]
オンラインユーザからのフィードバックからシステムのパフォーマンスに関する強化学習は、この問題に対する自然な解決策である。
このアプローチでは、特にフィードバックが不足している場合には、ループ内の大量のトレーニングデータが必要になる傾向があります。
疎いユーザフィードバックから効率的に学習する階層型ソリューションを提案する。
論文 参考訳(メタデータ) (2022-02-05T02:01:19Z) - Joint speaker diarisation and tracking in switching state-space model [51.58295550366401]
本稿では,統合モデル内で共同でダイアリゼーションを行いながら,話者の動きを明示的に追跡することを提案する。
隠れ状態が現在のアクティブ話者の身元と予測されたすべての話者の位置を表現する状態空間モデルを提案する。
Microsoftリッチミーティングの書き起こしタスクの実験は、提案された共同位置追跡とダイアリゼーションアプローチが、位置情報を使用する他の方法と相容れない性能を発揮することを示している。
論文 参考訳(メタデータ) (2021-09-23T04:43:58Z) - Personalized Keyphrase Detection using Speaker and Environment
Information [24.766475943042202]
単語からなるフレーズを大きな語彙から正確に検出するために、簡単にカスタマイズできるストリーミングキーフレーズ検出システムを紹介します。
本システムは,エンドツーエンドで訓練された自動音声認識(ASR)モデルと,テキスト非依存話者検証モデルを用いて実装される。
論文 参考訳(メタデータ) (2021-04-28T18:50:19Z) - Removing Adversarial Noise in Class Activation Feature Space [160.78488162713498]
クラスアクティベーション機能空間において,自己監視型対人訓練機構を実装することにより,対人雑音の除去を提案する。
クラスアクティベーション機能空間における敵対例と自然な例の間の距離を最小にするために、デノイジングモデルを訓練する。
経験的評価により, 従来の手法と比較して, 敵対的堅牢性が有意に向上できることが示された。
論文 参考訳(メタデータ) (2021-04-19T10:42:24Z) - Speech Enhancement for Wake-Up-Word detection in Voice Assistants [60.103753056973815]
キースポッティング、特にWake-Up-Word(WUW)検出は音声アシスタントにとって非常に重要なタスクである。
本稿では,WUW検出に適応した音声強調モデルを提案する。
これらのノイズの存在下で、認識率を高め、誤報を減らすことを目的としている。
論文 参考訳(メタデータ) (2021-01-29T18:44:05Z) - Competitive Wakeup Scheme for Distributed Devices [0.27309692684728604]
Wakeupは音声インタラクションの主要な機能であり、スマートホームのためのヒューマンマシンインタラクション(HMI)アプリケーションにおける主流のスキームである。
すべてのデバイスが、同じウェイクアップワードがすべてのデバイスで使用されている場合、応答する。これによりカオスが発生し、ユーザエクスペリエンスの質(QoE)が低下する。
論文 参考訳(メタデータ) (2020-05-19T06:46:02Z)
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。