論文の概要: Continuous Wavelet Transformation and VGG16 Deep Neural Network for Stress Classification in PPG Signals

• arxiv url: http://arxiv.org/abs/2410.14747v1
• Date: Thu, 17 Oct 2024 19:29:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:16:24.055472
• Title: Continuous Wavelet Transformation and VGG16 Deep Neural Network for Stress Classification in PPG Signals
• Title（参考訳）: PPG信号の応力分類のための連続ウェーブレット変換とVGG16ディープニューラルネットワーク
• Authors: Yasin Hasanpoor, Bahram Tarvirdizadeh, Khalil Alipour, Mohammad Ghamari,
• Abstract要約: 本研究は,光胸腺X線信号によるストレス分類における画期的なアプローチを提案する。 連続ウェーブレット変換(CWT)を実証されたVGG16に組み込むことで,ストレス評価精度と信頼性を向上させる。
• 参考スコア（独自算出の注目度）: 0.22499166814992436
• License:
• Abstract: Our research introduces a groundbreaking approach to stress classification through Photoplethysmogram (PPG) signals. By combining Continuous Wavelet Transformation (CWT) with the proven VGG16 classifier, our method enhances stress assessment accuracy and reliability. Previous studies highlighted the importance of physiological signal analysis, yet precise stress classification remains a challenge. Our approach addresses this by incorporating robust data preprocessing with a Kalman filter and a sophisticated neural network architecture. Experimental results showcase exceptional performance, achieving a maximum training accuracy of 98% and maintaining an impressive average training accuracy of 96% across diverse stress scenarios. These results demonstrate the practicality and promise of our method in advancing stress monitoring systems and stress alarm sensors, contributing significantly to stress classification.
• Abstract（参考訳）: 本研究は,光プラチスモグラム(PPG)信号によるストレス分類の画期的なアプローチを提案する。 連続ウェーブレット変換(CWT)と証明されたVGG16分類器を組み合わせることで,ストレス評価精度と信頼性を向上させる。 以前の研究では、生理的信号分析の重要性が強調されていたが、正確なストレス分類は依然として課題である。 我々のアプローチは、堅牢なデータ前処理をカルマンフィルタと洗練されたニューラルネットワークアーキテクチャに組み込むことによって、この問題に対処する。 実験結果は、優れたパフォーマンスを示し、最大トレーニング精度は98%で、様々なストレスシナリオで平均トレーニング精度は96%である。 これらの結果は,ストレスモニタリングシステムとストレスアラームセンサの進歩における本手法の実用性と将来性を示し,ストレス分類に大きく貢献した。

関連論文リスト

• Stress Assessment with Convolutional Neural Network Using PPG Signals [0.22499166814992436]
  本研究は,Empatica E4 センサによって記録された生の PPG 信号を用いてストレスのある事象を評価する新しい手法の開発に焦点をあてる。 マルチレイヤパーセプトロン(MLP)と組み合わせた適応畳み込みニューラルネットワーク(CNN)を用いて、ストレスのある事象の検出を実現している。 この研究は、一般公開され、ウェアラブルストレスとエフェクト検出(WESAD)と名付けられたデータセットを使用する。
  論文  参考訳（メタデータ） (2024-10-16T06:24:16Z)
• Adaptive Federated Learning Over the Air [108.62635460744109]
  オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。 解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
  論文  参考訳（メタデータ） (2024-03-11T09:10:37Z)
• Context-Aware Stress Monitoring using Wearable and Mobile Technologies in Everyday Settings [2.650926942973848]
  本研究では,生理的データと文脈的データの両方を利用して,日常のストレスレベルを客観的に追跡するモニタリングシステムを提案する。 本稿では,その課題に対処する3階層のインターネット・オブ・シングス・システムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-12-14T19:16:11Z)
• Implicit Stochastic Gradient Descent for Training Physics-informed Neural Networks [51.92362217307946]
  物理インフォームドニューラルネットワーク(PINN)は、前方および逆微分方程式問題の解法として効果的に実証されている。 PINNは、近似すべきターゲット関数が高周波またはマルチスケールの特徴を示す場合、トレーニング障害に閉じ込められる。 本稿では,暗黙的勾配降下法(ISGD)を用いてPINNを訓練し,トレーニングプロセスの安定性を向上させることを提案する。
  論文  参考訳（メタデータ） (2023-03-03T08:17:47Z)
• A Comprehensive Study on Robustness of Image Classification Models: Benchmarking and Rethinking [54.89987482509155]
  ディープニューラルネットワークのロバスト性は、通常、敵の例、共通の腐敗、分散シフトに欠けている。 画像分類タスクにおいてtextbfARES-Bench と呼ばれる総合的なベンチマークロバスト性を確立する。 それに応じてトレーニング設定を設計することにより、新しい最先端の対人ロバスト性を実現する。
  論文  参考訳（メタデータ） (2023-02-28T04:26:20Z)
• Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
  本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。 シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T19:57:19Z)
• Personalized Stress Monitoring using Wearable Sensors in Everyday Settings [9.621481727547215]
  心拍数(HR)と心拍変動率(HRV)に基づく日常生活ストレスレベルの客観的予測について検討する。 本稿では、ラベル付けのためのデータサンプルの調整可能なコレクションをサポートする、個人化されたストレス監視のための階層化システムアーキテクチャと、ラベル付けのためのリアルタイムデータのストリームから情報化サンプルを選択する方法を提案する。
  論文  参考訳（メタデータ） (2021-07-31T04:15:15Z)
• Towards Reducing Labeling Cost in Deep Object Detection [61.010693873330446]
  本稿では,検知器の不確実性と頑健性の両方を考慮した,アクティブラーニングのための統一的なフレームワークを提案する。 提案手法は, 確率分布のドリフトを抑えながら, 極めて確実な予測を擬似ラベル化することができる。
  論文  参考訳（メタデータ） (2021-06-22T16:53:09Z)
• StressNet: Detecting Stress in Thermal Videos [10.453959171422147]
  本稿では, サーマルビデオから生理的信号を取得し, ストレス状態を分類するための新しい手法を提案する。 ストレスネット (StressNet) は、ストレス人の定量的指標と考えられる心交感神経活動の変化の尺度であるISTI (Initial Systolic Time Interval) を再構成する。 詳細な評価では、ISTI信号の95%の精度で推定し、平均精度0.842で応力を検出することが示されている。
  論文  参考訳（メタデータ） (2020-11-18T20:47:23Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)
• Accurate Stress Assessment based on functional Near Infrared Spectroscopy using Deep Learning Approach [0.0]
  本研究では,10名の健常者から記録された脳の機能的近赤外分光法(fNIRS)を用いて,モントリオール・イメージング・ストレス・タスクによって引き起こされるストレスを評価する。 実験の結果, トレーニングされたfNIRSモデルは, 88.52～0.77%の精度で応力分類を行うことがわかった。 その低い計算コストは、リアルタイムのストレスアセスメントに適用される可能性を開く。
  論文  参考訳（メタデータ） (2020-02-14T23:55:08Z)

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。