Fugu-MT 論文翻訳(概要): Proactive Emotion Tracker: AI-Driven Continuous Mood and Emotion Monitoring

論文の概要: Proactive Emotion Tracker: AI-Driven Continuous Mood and Emotion Monitoring

arxiv url: http://arxiv.org/abs/2401.13722v1
Date: Wed, 24 Jan 2024 15:05:11 GMT
ステータス: 処理完了
システム内更新日: 2024-01-26 16:48:34.241736
Title: Proactive Emotion Tracker: AI-Driven Continuous Mood and Emotion Monitoring
Title（参考訳）: Proactive Emotion Tracker: AI駆動の継続的ムードと感情モニタリング
Authors: Mohammad Asif, Sudhakar Mishra, Ankush Sonker, Sanidhya Gupta, Somesh Kumar Maurya and Uma Shanker Tiwary
Abstract要約: このプロジェクトは、今日のデジタル時代のメンタルヘルスの課題に対処することを目的としている。修正されたトレーニング済みBERTモデルを使用して、ソーシャルメディアやユーザのWebブラウジングデータ内の落ち込んだテキストを検出し、93%のテスト精度を実現している。
参考スコア（独自算出の注目度）: 2.271910267215261
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This research project aims to tackle the growing mental health challenges in today's digital age. It employs a modified pre-trained BERT model to detect depressive text within social media and users' web browsing data, achieving an impressive 93% test accuracy. Simultaneously, the project aims to incorporate physiological signals from wearable devices, such as smartwatches and EEG sensors, to provide long-term tracking and prognosis of mood disorders and emotional states. This comprehensive approach holds promise for enhancing early detection of depression and advancing overall mental health outcomes.
Abstract（参考訳）: この研究プロジェクトは、今日のデジタル時代のメンタルヘルスの課題に挑戦することを目的としている。修正されたトレーニング済みBERTモデルを使用して、ソーシャルメディアやユーザのWebブラウジングデータ内の落ち込んだテキストを検出し、93%のテスト精度を実現している。同時に、このプロジェクトはスマートウォッチや脳波センサーなどのウェアラブルデバイスからの生理的信号を組み込んで、気分障害や感情状態の長期追跡と予後を提供することを目指している。この包括的アプローチは、うつ病の早期発見と全体のメンタルヘルス結果の促進を約束する。

関連論文リスト

EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
論文参考訳（メタデータ） (2024-03-28T10:31:09Z)
Enhancing Emotional Generation Capability of Large Language Models via Emotional Chain-of-Thought [50.13429055093534]
大規模言語モデル(LLM)は様々な感情認識タスクにおいて顕著な性能を示した。本研究では,感情生成タスクにおけるLLMの性能を高めるための感情連鎖(ECoT)を提案する。
論文参考訳（メタデータ） (2024-01-12T16:42:10Z)
A Hybrid Approach for Depression Classification: Random Forest-ANN Ensemble on Motor Activity Signals [4.798808180453298]
ウェアラブルセンサーは、メンタルヘルスの問題を追跡し、理解する潜在的な手段を提供する。近年の研究では、これらのセンサーと機械学習の手法を併用して、異なる精神状態に関連するパターンを特定している。本稿では、うつ病患者のセンサデータを評価するために最適化されたHybrid Random forest - Neural Networkと呼ばれる新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-13T17:39:35Z)
Sensors and Systems for Monitoring Mental Fatigue: A systematic review [0.0]
精神疲労は、自動車事故、医療ミス、職場での生産性の低下、およびeラーニング環境における学生の離職の主な原因である。精神的な疲労を確実に追跡できるセンサーやシステムの開発は、事故を防止し、エラーを減らし、職場の生産性を高めるのに役立つ。
論文参考訳（メタデータ） (2023-07-04T11:57:23Z)
Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文参考訳（メタデータ） (2023-02-05T22:33:49Z)
Objective Prediction of Tomorrow's Affect Using Multi-Modal Physiological Data and Personal Chronicles: A Study of Monitoring College Student Well-being in 2020 [0.0]
本研究の目的は、複数の商用機器を用いて、完全自動的かつ客観的なアプローチにより、影響をより正確に予測する能力を検討することである。 1年以上にわたり、スマートウェアラブルと携帯電話を使用した大学生のサンプルから、縦断的生理データと毎日の感情評価を収集した。その結果,本モデルでは,技術手法に匹敵する精度で,翌日への影響を予測することができた。
論文参考訳（メタデータ） (2022-01-26T23:06:20Z)
Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文参考訳（メタデータ） (2020-12-05T05:14:14Z)
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)
Examining the Role of Mood Patterns in Predicting Self-Reported Depressive symptoms [4.564132389935269]
うつ病は世界中で障害の主な原因である。ソーシャルメディア投稿からうつ病信号を検出する最初の試みは、有望な結果を示している。本研究では,ソーシャルメディア利用者を対象とした「ムードプロファイル」を構築し,うつ病の症状を検出するための現在の技術を強化することを試みる。
論文参考訳（メタデータ） (2020-06-14T12:48:43Z)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。