論文の概要: Dual-Constrained Dynamical Neural ODEs for Ambiguity-aware Continuous Emotion Prediction

• arxiv url: http://arxiv.org/abs/2407.21344v1
• Date: Wed, 31 Jul 2024 05:18:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-01 18:41:45.441069
• Title: Dual-Constrained Dynamical Neural ODEs for Ambiguity-aware Continuous Emotion Prediction
• Title（参考訳）: 曖昧性を考慮した連続感情予測のための二重拘束型動的ニューラル・ニューラル・オード
• Authors: Jingyao Wu, Ting Dang, Vidhyasaharan Sethu, Eliathamby Ambikairajah,
• Abstract要約: 本稿では,感情分布の力学をモデル化する両拘束型ニューラルODE手法を提案する。 提案手法では,ニューラルネットワークによってパラメータ化されたODEを用いて分布パラメータを推定し,システム出力の範囲を制限するために追加制約を統合する。
• 参考スコア（独自算出の注目度）: 15.501509284292476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There has been a significant focus on modelling emotion ambiguity in recent years, with advancements made in representing emotions as distributions to capture ambiguity. However, there has been comparatively less effort devoted to the consideration of temporal dependencies in emotion distributions which encodes ambiguity in perceived emotions that evolve smoothly over time. Recognizing the benefits of using constrained dynamical neural ordinary differential equations (CD-NODE) to model time series as dynamic processes, we propose an ambiguity-aware dual-constrained Neural ODE approach to model the dynamics of emotion distributions on arousal and valence. In our approach, we utilize ODEs parameterised by neural networks to estimate the distribution parameters, and we integrate additional constraints to restrict the range of the system outputs to ensure the validity of predicted distributions. We evaluated our proposed system on the publicly available RECOLA dataset and observed very promising performance across a range of evaluation metrics.
• Abstract（参考訳）: 近年、感情のあいまいさをモデル化することに大きな焦点が当てられ、感情をあいまいさを捉えるための分布として表現する進歩が見られた。 しかし、感情分布の時間的依存を考慮し、時間とともにスムーズに進化する知覚的感情のあいまいさをエンコードする努力は比較的少ない。 時間列を動的プロセスとしてモデル化するための制約付き動的ニューラル常微分方程式 (CD-NODE) の利点を認識し, 覚醒および原子価上での感情分布のダイナミクスをモデル化するための曖昧性を考慮した二重拘束型ニューラルODEアプローチを提案する。 提案手法では,ニューラルネットワークによってパラメータ化されたODEを用いて分布パラメータを推定し,予測された分布の妥当性を確保するために,システム出力の範囲を制限するために追加の制約を統合する。 提案手法を利用可能なRECOLAデータセット上で評価し,様々な評価指標で非常に有望な性能を示した。

関連論文リスト

• Out-of-Distribution Generalized Dynamic Graph Neural Network with Disentangled Intervention and Invariance Promotion [61.751257172868186]
  動的グラフニューラルネットワーク(DyGNN)は、グラフと時間力学を利用して強力な予測能力を実証している。 既存のDyGNNは、動的グラフに自然に存在する分散シフトを処理できない。
  論文  参考訳（メタデータ） (2023-11-24T02:42:42Z)
• Variational Inference for SDEs Driven by Fractional Noise [16.434973057669676]
  マルコフ近似分数的ブラウン運動(fBM)によって駆動される(神経)微分方程式(SDE)の推論を行うための新しい変分フレームワークを提案する。 本稿では, ニューラルネットワークを用いて, 変動後部におけるドリフト, 拡散, 制御条件を学習し, ニューラルSDEの変分学習を実現することを提案する。
  論文  参考訳（メタデータ） (2023-10-19T17:59:21Z)
• PDE-Refiner: Achieving Accurate Long Rollouts with Neural PDE Solvers [40.097474800631]
  時間依存偏微分方程式(PDE)は、科学や工学においてユビキタスである。 ディープニューラルネットワークに基づくサロゲートへの関心が高まっている。
  論文  参考訳（メタデータ） (2023-08-10T17:53:05Z)
• Individualized Dosing Dynamics via Neural Eigen Decomposition [51.62933814971523]
  ニューラル固有微分方程式アルゴリズム(NESDE)を導入する。 NESDEは個別化モデリング、新しい治療ポリシーへの調整可能な一般化、高速で連続的でクローズドな予測を提供する。 本研究は, 総合的・現実的な医療問題におけるNESDEの堅牢性を実証し, 学習力学を用いて, 模擬医療体育環境の公開を行う。
  論文  参考訳（メタデータ） (2023-06-24T17:01:51Z)
• Neural Delay Differential Equations: System Reconstruction and Image Classification [14.59919398960571]
  我々はニューラル遅延微分方程式 (Neural Delay Differential Equations, NDDEs) という,遅延を伴う連続深度ニューラルネットワークの新しいクラスを提案する。 NODE と比較して、NDDE はより強い非線形表現能力を持つ。 我々は、合成されたデータだけでなく、よく知られた画像データセットであるCIFAR10に対しても、損失の低減と精度の向上を実現している。
  論文  参考訳（メタデータ） (2023-04-11T16:09:28Z)
• Interpretable Social Anchors for Human Trajectory Forecasting in Crowds [84.20437268671733]
  本研究では,人混みの軌跡を予測できるニューラルネットワークシステムを提案する。 解釈可能なルールベースのインテントを学び、ニューラルネットワークの表現可能性を利用してシーン固有の残差をモデル化する。 私たちのアーキテクチャは、インタラクション中心のベンチマークTrajNet++でテストされています。
  論文  参考訳（メタデータ） (2021-05-07T09:22:34Z)
• Accurate and Reliable Forecasting using Stochastic Differential Equations [48.21369419647511]
  ディープラーニングモデルにとって、現実世界の環境に浸透する不確実性を適切に特徴付けることは、非常に困難である。 本論文では,HNNの予測平均と分散の相互作用を特徴づけるSDE-HNNを開発した。 本手法は,予測性能と不確実性定量化の両方の観点から,最先端のベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2021-03-28T04:18:11Z)
• Neural ODE Processes [64.10282200111983]
  NDP(Neural ODE Process)は、Neural ODEの分布によって決定される新しいプロセスクラスである。 我々のモデルは,少数のデータポイントから低次元システムのダイナミクスを捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-03-23T09:32:06Z)
• Neural Delay Differential Equations [9.077775405204347]
  ニューラル遅延微分方程式 (N Neural Delay Differential Equations, NDDEs) と呼ばれる遅延を持つ連続深層ニューラルネットワークの新しいクラスを提案する。 対応する勾配を計算するために,随伴感度法を用いて随伴の遅延ダイナミクスを得る。 この結果から,動的システムの要素をネットワーク設計に適切に表現することは,ネットワーク性能の促進に真に有益であることが判明した。
  論文  参考訳（メタデータ） (2021-02-22T06:53:51Z)
• Neural Ordinary Differential Equations for Intervention Modeling [30.127870899307254]
  現実世界のシステムは、しばしばシステムダイナミクスの変化を引き起こす外部の介入を伴います。 ニューラルODEと最近の多くの変種は、観察と介入を個別に適切にモデル化しないため、そのような介入をモデル化するのに適していない。 本稿では、2つのODE関数を別々に処理し、外部介入の効果を適切にモデル化する新しいニューラルODEベースのアプローチ(IMODE)を提案する。
  論文  参考訳（メタデータ） (2020-10-16T10:55:12Z)
• Time Dependence in Non-Autonomous Neural ODEs [74.78386661760662]
  時変重みを持つニューラルODEの新しいファミリーを提案する。 我々は、速度と表現能力の両面で、従来のニューラルODEの変形よりも優れていた。
  論文  参考訳（メタデータ） (2020-05-05T01:41:46Z)

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。