論文の概要: The Power of Properties: Uncovering the Influential Factors in Emotion Classification

• arxiv url: http://arxiv.org/abs/2404.07867v1
• Date: Thu, 11 Apr 2024 16:01:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-12 13:20:46.418566
• Title: The Power of Properties: Uncovering the Influential Factors in Emotion Classification
• Title（参考訳）: 特性の力:感情分類におけるインフルエンタリな要因を明らかにする
• Authors: Tim Büchner, Niklas Penzel, Orlando Guntinas-Lichius, Joachim Denzler,
• Abstract要約: 最先端の分類性能は、エンドツーエンドのトレーニングニューラルネットワークによってのみ達成される。 明示的な特性とその影響を評価するワークフローを導入する。
• 参考スコア（独自算出の注目度）: 7.562215603730798
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Facial expression-based human emotion recognition is a critical research area in psychology and medicine. State-of-the-art classification performance is only reached by end-to-end trained neural networks. Nevertheless, such black-box models lack transparency in their decision-making processes, prompting efforts to ascertain the rules that underlie classifiers' decisions. Analyzing single inputs alone fails to expose systematic learned biases. These biases can be characterized as facial properties summarizing abstract information like age or medical conditions. Therefore, understanding a model's prediction behavior requires an analysis rooted in causality along such selected properties. We demonstrate that up to 91.25% of classifier output behavior changes are statistically significant concerning basic properties. Among those are age, gender, and facial symmetry. Furthermore, the medical usage of surface electromyography significantly influences emotion prediction. We introduce a workflow to evaluate explicit properties and their impact. These insights might help medical professionals select and apply classifiers regarding their specialized data and properties.
• Abstract（参考訳）: 表情に基づく人間の感情認識は、心理学と医学において重要な研究領域である。 最先端の分類性能は、エンドツーエンドのトレーニングニューラルネットワークによってのみ達成される。 それでも、このようなブラックボックスモデルは意思決定プロセスに透明性を欠いているため、分類者の決定を下すルールを確認する努力が促される。 シングルインプットのみを分析することは、体系的な学習バイアスを明らかにするのに失敗する。 これらのバイアスは、年齢や医療条件などの抽象的な情報を要約した顔の特徴として特徴づけられる。 したがって、モデルの予測動作を理解するには、そのような選択された特性に沿って因果関係に根ざした分析が必要である。 分類器出力の振る舞いの変化の91.25%が統計的に基本特性について重要であることを実証した。 年齢、性別、顔の対称性などである。 さらに,表面筋電図の医療利用は感情予測に大きく影響を及ぼす。 明示的な特性とその影響を評価するワークフローを導入する。 これらの洞察は、医療専門家が専門的なデータや性質について分類器を選択して適用するのに役立ちます。

関連論文リスト

• Achieve Fairness without Demographics for Dermatological Disease Diagnosis [17.792332189055223]
  そこで本研究では,テストフェーズにおいて,そのような情報を用いることなく,感度特性の公平な予測を可能にする手法を提案する。 特徴の絡み合いが公正性に与える影響を強調した先行研究から着想を得て,重要属性や対象属性に関連する特徴を捉えることにより,モデルの特徴を高める。 これにより、機密属性に関連する機能に頼ることなく、モデルがターゲット属性に関連する機能に基づいてのみ分類できることが保証される。
  論文  参考訳（メタデータ） (2024-01-16T02:49:52Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Detection and Evaluation of bias-inducing Features in Machine learning [14.045499740240823]
  機械学習(ML)の文脈では、システムの偏りのある振る舞いの理由を理解するために、原因から影響までの分析を用いることができる。 ドメインエキスパートの意思決定を支援するために,モデルの全バイアス誘発特徴を体系的に同定する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-19T15:01:16Z)
• Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
  社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。 ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
  論文  参考訳（メタデータ） (2023-09-13T15:42:06Z)
• Towards Procedural Fairness: Uncovering Biases in How a Toxic Language Classifier Uses Sentiment Information [7.022948483613112]
  この研究は、不公平なプロセスが不公平な結果をもたらす手続き的公正性を評価するための一歩である。 生成された知識は、トレーニングデータセットにおいてアイデンティティ用語以外の重要な概念が適切に表現されていることを保証するために、デバイアス技術(debiasing techniques)をガイドすることができる。
  論文  参考訳（メタデータ） (2022-10-19T16:03:25Z)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• Revisiting the Shape-Bias of Deep Learning for Dermoscopic Skin Lesion Classification [4.414962444402826]
  人間の視覚系は、テクスチャよりも形状の認識に偏っていると一般的に信じられている。 本稿では,皮膚病変画像の分類における形状ビアーゼの重要性を再考する。
  論文  参考訳（メタデータ） (2022-06-13T20:59:06Z)
• What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
  本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。 私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
  論文  参考訳（メタデータ） (2021-11-30T15:52:04Z)
• What Image Features Boost Housing Market Predictions? [81.32205133298254]
  本稿では,予測アルゴリズムにおける効率的な数値包摂のための視覚特徴抽出手法を提案する。 本稿では,シャノンのエントロピー,重心計算,画像分割,畳み込みニューラルネットワークなどの手法について論じる。 ここで選択された40の画像特徴のセットは、かなりの量の予測能力を持ち、最も強力なメタデータ予測器よりも優れています。
  論文  参考訳（メタデータ） (2021-07-15T06:32:10Z)
• Classifying Eye-Tracking Data Using Saliency Maps [8.524684315458245]
  本稿では,視線追跡データの自動的,定量的分類のための視覚情報に基づく特徴抽出手法を提案する。 サリエンシの振幅、類似度、相違点を対応するアイフィクスマップと比較すると、視覚追跡データを識別するために識別的特徴を生成するために有効に活用される情報の余分な次元が得られる。
  論文  参考訳（メタデータ） (2020-10-24T15:18:07Z)

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。