論文の概要: Synthesizing Affective Neurophysiological Signals Using Generative
Models: A Review Paper
- arxiv url: http://arxiv.org/abs/2306.03112v1
- Date: Mon, 5 Jun 2023 08:38:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 19:10:49.270718
- Title: Synthesizing Affective Neurophysiological Signals Using Generative
Models: A Review Paper
- Title（参考訳）: 生成モデルを用いた情動神経生理学的信号の合成
- Authors: Alireza F. Nia, Vanessa Tang, Gonzalo Maso Talou, Mark Billinghurst
- Abstract要約: マシンにおける感情的知性の統合は、人間とコンピュータの相互作用を前進させる重要なステップである。
公的な感情的データセットの不足は、課題である。
我々は、神経生理学的信号におけるこの問題に対処するための生成モデルの使用を強調した。
- 参考スコア（独自算出の注目度）: 28.806992102323324
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The integration of emotional intelligence in machines is an important step in
advancing human-computer interaction. This demands the development of reliable
end-to-end emotion recognition systems. However, the scarcity of public
affective datasets presents a challenge. In this literature review, we
emphasize the use of generative models to address this issue in
neurophysiological signals, particularly Electroencephalogram (EEG) and
Functional Near-Infrared Spectroscopy (fNIRS). We provide a comprehensive
analysis of different generative models used in the field, examining their
input formulation, deployment strategies, and methodologies for evaluating the
quality of synthesized data. This review serves as a comprehensive overview,
offering insights into the advantages, challenges, and promising future
directions in the application of generative models in emotion recognition
systems. Through this review, we aim to facilitate the progression of
neurophysiological data augmentation, thereby supporting the development of
more efficient and reliable emotion recognition systems.
- Abstract（参考訳）: 機械への感情知性の統合は、人間とコンピュータのインタラクションを進める上で重要なステップである。
これにより、信頼できるエンドツーエンドの感情認識システムの開発が要求される。
しかし、公的な感情的データセットの不足が課題となっている。
本稿では,神経生理学的信号,特に脳波(EEG)および機能近赤外分光(fNIRS)において,この問題に対処するための生成モデルの利用を強調した。
現場で使用される異なる生成モデルの包括的分析を行い,それらの入力定式化,展開戦略,合成データの品質評価手法について検討した。
このレビューは総合的な概要として機能し、感情認識システムにおける生成モデルの適用における利点、課題、将来的な方向性に関する洞察を提供する。
本稿では,神経生理学的データ拡張の進展を促進することを目的として,より効率的で信頼性の高い感情認識システムの開発を支援する。
関連論文リスト
- Brain-Computer Interfaces for Emotional Regulation in Patients with Various Disorders [0.0]
この研究は、脳波データを理解するための新しいニューラルネットワークアルゴリズムの開発に焦点を当てている。
データ分析は、アルゴリズムが高い精度で感情状態の分類に成功し、有望な結果を示す。
このことは、脳波に基づくBCIは、感情の認識と制御において、様々な神経学的および生理的障害を持つ個人を支援する貴重なツールとなる可能性があることを示唆している。
論文 参考訳（メタデータ） (2024-11-22T01:57:14Z) - Complex Emotion Recognition System using basic emotions via Facial Expression, EEG, and ECG Signals: a review [1.8310098790941458]
複雑な感情認識システム(CERS)は、表現された基本的な感情、それらの相互関係、そして動的変動の組合せを調べることによって、複雑な感情状態を解読する。
複雑な感情を識別するAIシステムの開発は、感情的コンピューティングに重要な意味を持つ重要な課題となっている。
心電図(ECG)や脳電図(EEG)などの生理的シグナルを取り入れることで、CERSを顕著に増強することができる。
論文 参考訳（メタデータ） (2024-09-09T05:06:10Z) - Generative Technology for Human Emotion Recognition: A Scope Review [11.578408396744237]
本調査は,2024年6月までに320以上の研究論文を総合的に分析し,既存の文献のギャップを埋めることを目的としている。
異なる生成モデルと一般的に使用されるデータセットの数学的原理を導入する。
様々なモダリティに基づいて、生成技術がどのように感情認識に対処するかを詳細に分析する。
論文 参考訳（メタデータ） (2024-07-04T05:22:55Z) - Multi-modal Mood Reader: Pre-trained Model Empowers Cross-Subject Emotion Recognition [23.505616142198487]
我々は、クロスオブジェクト感情認識のための訓練済みモデルに基づくMultimodal Mood Readerを開発した。
このモデルは、大規模データセットの事前学習を通じて、脳波信号の普遍的な潜在表現を学習する。
公開データセットに関する大規模な実験は、クロスオブジェクト感情認識タスクにおけるMood Readerの優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-05-28T14:31:11Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - Cross-individual Recognition of Emotions by a Dynamic Entropy based on
Pattern Learning with EEG features [2.863100352151122]
複数の個体の神経生理学的特徴に関連する情報的指標を抽象化するために,動的エントロピーに基づくパターン学習(DEPL)として表されるディープラーニングフレームワークを提案する。
DEPLは、ダイナミックエントロピーに基づく特徴の皮質位置間の相互依存性をモデル化することにより、ディープ畳み込みニューラルネットワークによって生成された表現の能力を向上した。
論文 参考訳（メタデータ） (2020-09-26T07:22:07Z) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳（メタデータ） (2020-09-16T15:16:03Z) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z)
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。