論文の概要: Automatic Classification of Subjective Time Perception Using Multi-modal Physiological Data of Air Traffic Controllers

• arxiv url: http://arxiv.org/abs/2404.15213v3
• Date: Mon, 30 Sep 2024 15:41:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-01 21:58:34.826351
• Title: Automatic Classification of Subjective Time Perception Using Multi-modal Physiological Data of Air Traffic Controllers
• Title（参考訳）: エアトラヒック制御器のマルチモーダル生理学的データを用いた主観的時間知覚の自動分類
• Authors: Till Aust, Eirini Balta, Argiro Vatakis, Heiko Hamann,
• Abstract要約: 我々は、人間の主観的時間知覚を調節する装置を開発することを目指している。 本研究では,航空管制官の主観的時間知覚を自動的に評価する手法を提案する。
• 参考スコア（独自算出の注目度）: 3.7423614135604093
• License:
• Abstract: In high-pressure environments where human individuals must simultaneously monitor multiple entities, communicate effectively, and maintain intense focus, the perception of time becomes a critical factor influencing performance and well-being. One indicator of well-being can be the person's subjective time perception. In our project $ChronoPilot$, we aim to develop a device that modulates human subjective time perception. In this study, we present a method to automatically assess the subjective time perception of air traffic controllers, a group often faced with demanding conditions, using their physiological data and eleven state-of-the-art machine learning classifiers. The physiological data consist of photoplethysmogram, electrodermal activity, and temperature data. We find that the support vector classifier works best with an accuracy of 79 % and electrodermal activity provides the most descriptive biomarker. These findings are an important step towards closing the feedback loop of our $ChronoPilot$-device to automatically modulate the user's subjective time perception. This technological advancement may promise improvements in task management, stress reduction, and overall productivity in high-stakes professions.
• Abstract（参考訳）: 人間の個人が複数の実体を同時に監視し、効果的にコミュニケーションし、集中を維持しなければならない高圧環境では、時間の知覚がパフォーマンスと幸福に影響を与える重要な要因となる。 幸福感の指標の1つは、その人の主観的時間知覚である。 プロジェクト$ChronoPilot$では、人間の主観的時間知覚を調節するデバイスの開発を目指しています。 本研究では,その生理的データと11種類の最先端機械学習分類器を用いて,航空交通管制官の主観的時間知覚を自動的に評価する手法を提案する。 生理データは、光胸腺図、電球活動、温度データから成っている。 支持ベクトル分類器は,99%の精度で有効であり,電磁気活性は最も説明的なバイオマーカーを提供する。 これらの発見は、ユーザの主観的時間知覚を自動的に調節するために、$ChronoPilot$-deviceのフィードバックループを閉じるための重要なステップです。 この技術進歩は、高度な専門職におけるタスクマネジメント、ストレス低減、全体的な生産性の向上を約束する。

関連論文リスト

• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• PhysFormer++: Facial Video-based Physiological Measurement with SlowFast Temporal Difference Transformer [76.40106756572644]
  最近のディープラーニングアプローチは、時間的受容の限られた畳み込みニューラルネットワークを用いた微妙な手がかりのマイニングに重点を置いている。 本稿では,PhysFormerとPhys++++をベースとした2つのエンドツーエンドビデオ変換器を提案する。 4つのベンチマークデータセットで総合的な実験を行い、時間内テストとクロスデータセットテストの両方において優れた性能を示す。
  論文  参考訳（メタデータ） (2023-02-07T15:56:03Z)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• Automated Mobility Context Detection with Inertial Signals [7.71058263701836]
  本研究の主な目的は,日常の運動機能の遠隔監視のためのコンテキスト検出について検討することである。 本研究の目的は、ウェアラブル加速度計でサンプリングされた慣性信号が、歩行関連活動を屋内または屋外に分類するための信頼性の高い情報を提供するかを理解することである。
  論文  参考訳（メタデータ） (2022-05-16T09:34:43Z)
• 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)
• PhysFormer: Facial Video-based Physiological Measurement with Temporal Difference Transformer [55.936527926778695]
  近年のディープラーニングアプローチは、時間的受容の限られた畳み込みニューラルネットワークを用いた微妙なrの手がかりのマイニングに重点を置いている。 本稿では,エンドツーエンドのビデオトランスをベースとしたアーキテクチャであるPhysFormerを提案する。
  論文  参考訳（メタデータ） (2021-11-23T18:57:11Z)
• Self-Supervised Transformers for Activity Classification using Ambient Sensors [3.1829446824051195]
  本稿では,環境センサを用いた環境下での居住者の活動の分類手法を提案する。 また,自己教師付き方式でトランスフォーマーを事前訓練する手法を,ハイブリッドオートエンコーダ分類モデルとして提案する。
  論文  参考訳（メタデータ） (2020-11-22T20:46:25Z)
• Self-supervised transfer learning of physiological representations from free-living wearable data [12.863826659440026]
  意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。 我々は、我々のモデルを、最大の自由生活複合センシングデータセット(手首加速度計とウェアラブル心電図データによる280k時間)で評価する。
  論文  参考訳（メタデータ） (2020-11-18T23:21:34Z)
• Learning Generalizable Physiological Representations from Large-scale Wearable Data [12.863826659440026]
  意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。 その結果, 線形分類器を用いた伝達学習により, 様々な下流タスクにおいて, 埋め込みが一般化できることが示唆された。 本研究は,大規模健康・ライフスタイルモニタリングに寄与する行動・生理的データに対する,最初のマルチモーダル自己管理手法を提案する。
  論文  参考訳（メタデータ） (2020-11-09T17:56:03Z)
• 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。