Fugu-MT 論文翻訳(概要): Intelligent Stress Assessment for e-Coaching

論文の概要: Intelligent Stress Assessment for e-Coaching

arxiv url: http://arxiv.org/abs/2311.03385v1
Date: Fri, 3 Nov 2023 16:51:44 GMT
ステータス: 処理完了
システム内更新日: 2023-11-08 18:42:59.440701
Title: Intelligent Stress Assessment for e-Coaching
Title（参考訳）: e-coachingのためのインテリジェントストレスアセスメント
Authors: Kenneth Lai, Svetlana Yanushkevich, and Vlad Shmerko
Abstract要約: 本稿では,緊急時や災害時におけるe-coachingの概念の適応を,人間の情緒状態を監視するインテリジェントなツールを用いて支援することで検討する。不安、パニック、回避、ストレスなどの状態が適切に検出された場合、e-coaching戦術と戦略を用いて緩和することができる。
参考スコア（独自算出の注目度）: 0.6390468088226495
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper considers the adaptation of the e-coaching concept at times of emergencies and disasters, through aiding the e-coaching with intelligent tools for monitoring humans' affective state. The states such as anxiety, panic, avoidance, and stress, if properly detected, can be mitigated using the e-coaching tactic and strategy. In this work, we focus on a stress monitoring assistant tool developed on machine learning techniques. We provide the results of an experimental study using the proposed method.
Abstract（参考訳）: 本稿では,緊急時や災害時におけるe-coachingの概念の適応を,人間の情緒状態を監視するインテリジェントなツールを用いて支援することで検討する。不安、パニック、回避、ストレスなどの状態は、適切に検出された場合、e-coaching戦術と戦略を用いて緩和することができる。本研究では,機械学習技術に基づくストレスモニタリング支援ツールに焦点を当てた。提案手法を用いた実験結果について報告する。

関連論文リスト

A Safe and Efficient Self-evolving Algorithm for Decision-making and Control of Autonomous Driving Systems [19.99282698119699]
自己進化型自動運転車は、現実世界の環境における未知のシナリオに対処することが期待されている。強化学習は最適な政策を学ぶことで自己進化できる。本稿では,ハイブリッドなメカニズム-経験-学習型拡張手法を提案する。
論文参考訳（メタデータ） (2024-08-22T08:05:03Z)
Robustifying a Policy in Multi-Agent RL with Diverse Cooperative Behaviors and Adversarial Style Sampling for Assistive Tasks [51.00472376469131]
多様な介護者対応を訓練することで、ロバストな介護者の方針を学習する枠組みを提案する。一般的な深層RL法で訓練されたポリシーは、他のエージェントのポリシーの変更に対して脆弱であることを示す。
論文参考訳（メタデータ） (2024-03-01T08:15:18Z)
Employing Multimodal Machine Learning for Stress Detection [8.430502131775722]
メンタルウェルネスは、今日の世界で最も無視されているが決定的な側面の1つである。本研究では、人の作業行動とストレスレベルを監視するために、マルチモーダルなAIベースのフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-15T14:34:16Z)
A Survey on Reinforcement Learning Security with Application to Autonomous Driving [23.2255446652987]
強化学習は、機械が自身の経験から学ぶことを可能にする。自律運転などの安全上重要な用途で使用される。本稿では,自律運転における強化学習アルゴリズムの適用性について論じる。
論文参考訳（メタデータ） (2022-12-12T18:50:49Z)
Accelerating Self-Supervised Learning via Efficient Training Strategies [98.26556609110992]
自己監督型ディープネットワークのトレーニング時間は、教師付きディープネットワークよりも桁違いに大きい。これらの課題に乗じて,近年の自己指導手法の訓練時間を短縮する方法について検討する。
論文参考訳（メタデータ） (2022-12-11T21:49:39Z)
Coach-assisted Multi-Agent Reinforcement Learning Framework for Unexpected Crashed Agents [120.91291581594773]
本稿では,予期せぬクラッシュを伴う協調型マルチエージェント強化学習システムの公式な定式化について述べる。本稿では,教師支援型多エージェント強化学習フレームワークを提案する。私たちの知る限りでは、この研究はマルチエージェントシステムにおける予期せぬクラッシュを初めて研究したものです。
論文参考訳（メタデータ） (2022-03-16T08:22:45Z)
MUSER: MUltimodal Stress Detection using Emotion Recognition as an Auxiliary Task [22.80682208862559]
ストレスと感情は人間の感情状態であり、ストレスは感情の制御と発現に重要な影響を与えることが証明されている。本研究では,ストレス検出を改善するための補助タスクとして,感情認識の有用性を検討する。本稿では,高速な動的サンプリング戦略を備えたトランスフォーマーモデルアーキテクチャとマルチタスク学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-05-17T20:24:46Z)
CoachNet: An Adversarial Sampling Approach for Reinforcement Learning [4.084676597739002]
CoachNet」という障害予測器による新たな逆サンプリング手法を提案する。 CoachNetはエージェントとともにオンラインでトレーニングされ、失敗の確率を予測します。この確率はサンプリングプロセスでエージェントをより困難なエピソードに導くために使用される。
論文参考訳（メタデータ） (2021-01-07T17:45:18Z)
Combining Self-Training and Self-Supervised Learning for Unsupervised Disfluency Detection [80.68446022994492]
本研究では,未ラベルテキストコーパスを扱える教師なし学習パラダイムについて検討する。我々のモデルは、自己学習の考え方を拡張する半教師あり学習アプローチである、雑音学習(Noisy Student Training)に関する最近の研究に基づいている。
論文参考訳（メタデータ） (2020-10-29T05:29:26Z)
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)
Safe Reinforcement Learning via Curriculum Induction [94.67835258431202]
安全クリティカルなアプリケーションでは、自律エージェントはミスが非常にコストがかかる環境で学ぶ必要がある。既存の安全な強化学習手法は、エージェントが危険な状況を避けるために、事前にエージェントを頼りにしている。本稿では,エージェントが自動インストラクターの指導の下で学習する,人間の指導にインスパイアされた代替手法を提案する。
論文参考訳（メタデータ） (2020-06-22T10:48:17Z)

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。