論文の概要: Pavlok-Nudge: A Feedback Mechanism for Atomic Behaviour Modification with Snoring Usecase
- arxiv url: http://arxiv.org/abs/2305.06110v3
- Date: Fri, 13 Sep 2024 15:09:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-16 23:56:50.605207
- 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: Md Rakibul Hasan, Shreya Ghosh, Pradyumna Agrawal, Zhixi Cai, Abhinav Dhall, Tom Gedeon,
- Abstract要約: 本稿では,まず,軽量なディープラーニングモデルを用いて対象の動作を検知し,その後Pavlokを通じてユーザを搾取するフレームワークを提案する。
提案手法は,いびきの文脈で実装し,検証する。
この予測に基づき、睡眠姿勢の変化などの予防対策として、利用者を苦しめるためにパヴロクを用いている。
- 参考スコア（独自算出の注目度）: 8.587480866100703
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a feedback mechanism to change behavioural patterns 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 automate behaviour modification, we propose a framework that first detects targeted behaviours through a lightweight deep learning model and subsequently nudges the user through Pavlok. Our proposed solution is implemented and verified in the context of snoring, which captures audio from the environment following a prediction of whether the audio content is a snore or not using a 1D convolutional neural network. Based on the prediction, we use Pavlok to nudge users for preventive measures, such as a change in sleeping posture. We believe that this simple solution can help people to change their atomic habits, which may lead to long-term health benefits. Our proposed real-time, lightweight model (99.8% less parameters over SOTA; 1,278,049 --> 1337) achieves SOTA performance (test accuracy of 0.99) on a public domain benchmark. The code and model are publicly available at https://github.com/hasan-rakibul/pavlok-nudge-snore.
- Abstract（参考訳）: 本稿では,Pavlok デバイスを用いた行動パターン変更のための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。
行動修正を自動化するために,我々はまず,軽量なディープラーニングモデルを用いて対象行動を検出し,その後,Pavlokを通じてユーザを虐待するフレームワークを提案する。
提案手法は,1次元畳み込みニューラルネットワークを用いて,音声内容がスノーアであるか否かの予測の後,環境から音声をキャプチャするスノーリングの文脈で実装し,検証する。
この予測に基づき、睡眠姿勢の変化などの予防対策として、利用者を苦しめるためにパヴロクを用いている。
このシンプルなソリューションは、人々が原子の習慣を変えるのに役立つと私たちは信じています。
提案したリアルタイム軽量モデル(SOTAよりも99.8%少ないパラメータ;1,278,049 --> 1337)は、パブリックドメインベンチマーク上でのSOTA性能(テスト精度0.99)を達成する。
コードとモデルはhttps://github.com/hasan-rakibul/pavlok-nudge-snore.comで公開されている。
関連論文リスト
- Steering Without Side Effects: Improving Post-Deployment Control of Language Models [61.99293520621248]
言語モデル(LM)は、デプロイ後予期せず振る舞うことが示されている。
KL-then-steer (KTS) は, その利点を保ちながら, 操舵の副作用を低減する技術である。
本手法はLlama-2-chat-7Bモデルと比較して44%のジェイルブレイク攻撃を防ぐ。
論文 参考訳（メタデータ） (2024-06-21T01:37:39Z) - Towards Evaluating the Robustness of Automatic Speech Recognition Systems via Audio Style Transfer [8.948537516293328]
本稿では,ユーザ認識スタイルの転送に基づく自動音声認識(ASR)システムに対する攻撃を提案する。
提案手法は,ユーザカスタマイズスタイルの必要性を満たすとともに,攻撃の82%の成功率を達成することができる。
論文 参考訳（メタデータ） (2024-05-15T16:05:24Z) - Exploring Green AI for Audio Deepfake Detection [21.17957700009653]
ディープニューラルネットワークを利用した最先端のオーディオディープフェイク検出器は、印象的な認識性能を示している。
ディープNLPモデルはCOtextsubscript2の約626klbのCOtextsubscript2を生成する。
そこで本研究では,標準CPUリソースを用いてシームレスにトレーニング可能な,オーディオディープフェイク検出のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-21T10:54:21Z) - Adaptive Differential Privacy in Federated Learning: A Priority-Based
Approach [0.0]
フェデレートラーニング(FL)は、ローカルデータセットに直接アクセスせずにグローバルモデルを開発する。
DPはパラメータに一定のノイズを加えることで、プライバシーを保証するフレームワークを提供する。
本稿では,特徴量の相対的重要度に基づいて入射雑音の値を決定するFLの適応雑音付加法を提案する。
論文 参考訳（メタデータ） (2024-01-04T03:01:15Z) - Continuous Modeling of the Denoising Process for Speech Enhancement
Based on Deep Learning [61.787485727134424]
状態変数をデノナイジングプロセスを示すために使用します。
UNetのようなニューラルネットワークは、連続的復調プロセスからサンプリングされたすべての状態変数を推定することを学ぶ。
実験結果から, クリーンターゲットに少量の雑音を保存することは, 音声強調に有効であることが示唆された。
論文 参考訳（メタデータ） (2023-09-17T13:27:11Z) - Do You Remember? Overcoming Catastrophic Forgetting for Fake Audio
Detection [54.20974251478516]
本稿では,破滅的な忘れを克服するために,偽音声検出のための連続学習アルゴリズムを提案する。
検出ネットワークを微調整する場合,本手法では,真の発話と偽発話の比率に応じて,重み付けの方向を適応的に計算する。
本手法は,音声の感情認識などの関連分野に容易に一般化できる。
論文 参考訳（メタデータ） (2023-08-07T05:05:49Z) - Feasibility on Detecting Door Slamming towards Monitoring Early Signs of
Domestic Violence [1.3535770763481905]
家庭内暴力やその他の反社会的行動の早期警戒サインの検出の可能性について検討した。
音声データを分析し、これを畳み込みニューラルネットワークに入力してサンプルを分類することで、ドアが積極的に閉じられているかどうかを判断する機械学習モデルを作成しました。
モデルによる予測は、BLE経由でRaspberry Piのスマートフォンなど他のデバイスに送信することができる。
論文 参考訳（メタデータ） (2022-10-06T02:25:03Z) - 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) - Less is More: Sparse Sampling for Dense Reaction Predictions [60.005266111509435]
本稿では,ビデオチャレンジからの2021Evoked Expressionを提案する。
本モデルでは,音声と画像の両モードを入力として,視聴者の感情変化を予測する。
提案手法は, 最終プライベートテストセットにおいて, ピアソンの相関スコア0.04430を達成した。
論文 参考訳（メタデータ） (2021-06-03T11:33:59Z) - Superiority of Simplicity: A Lightweight Model for Network Device
Workload Prediction [58.98112070128482]
本稿では,歴史観測に基づく時系列予測のための軽量な解を提案する。
ニューラルネットワークと平均予測器という2つのモデルからなる異種アンサンブル法で構成されている。
利用可能なFedCSIS 2020チャレンジデータセットの総合的なR2$スコア0.10を達成している。
論文 参考訳（メタデータ） (2020-07-07T15:44:16Z) - REST: Robust and Efficient Neural Networks for Sleep Monitoring in the
Wild [62.36144064259933]
ニューラルネットワークの逆トレーニングとLipschitz定数の制御を通じて、両問題に同時に対処する新しい方法であるRESTを提案する。
私たちは、RESTがノイズの存在下で、オリジナルのフルサイズのモデルを大幅に上回る、ロバストで効率的なモデルを生成することを実証しています。
これらのモデルをスマートフォン上のAndroidアプリケーションにデプロイすることにより、RESTによってモデルが最大17倍のエネルギー削減と9倍高速な推論を達成することができることを定量的に観察する。
論文 参考訳（メタデータ） (2020-01-29T17:23:16Z)
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。