論文の概要: ECG-EmotionNet: Nested Mixture of Expert (NMoE) Adaptation of ECG-Foundation Model for Driver Emotion Recognition

• arxiv url: http://arxiv.org/abs/2503.01750v1
• Date: Mon, 03 Mar 2025 17:19:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:14:10.286286
• Title: ECG-EmotionNet: Nested Mixture of Expert (NMoE) Adaptation of ECG-Foundation Model for Driver Emotion Recognition
• Title（参考訳）: ECG-EmotionNet: 運転者感情認識のためのECG-Foundation ModelのNMoE適応
• Authors: Nastaran Mansourian, Arash Mohammadi, M. Omair Ahmad, M. N. S. Swamy,
• Abstract要約: 本稿では,動的運転環境における感情認識に特化した新しいアーキテクチャであるECG-EmotionNetを紹介する。 ECGは、特に動的で予測不可能な運転条件において、リアルタイムの感情モニタリングのための待機選択として現れている。 提案したECG-EmotionNetアーキテクチャの有効性を,最近導入されたドライバ感情監視データセットを用いて評価した。
• 参考スコア（独自算出の注目度）: 17.443490940613508
• License:
• Abstract: Driver emotion recognition plays a crucial role in driver monitoring systems, enhancing human-autonomy interactions and the trustworthiness of Autonomous Driving (AD). Various physiological and behavioural modalities have been explored for this purpose, with Electrocardiogram (ECG) emerging as a standout choice for real-time emotion monitoring, particularly in dynamic and unpredictable driving conditions. Existing methods, however, often rely on multi-channel ECG signals recorded under static conditions, limiting their applicability in real-world dynamic driving scenarios. To address this limitation, the paper introduces ECG-EmotionNet, a novel architecture designed specifically for emotion recognition in dynamic driving environments. ECG-EmotionNet is constructed by adapting a recently introduced ECG Foundation Model (FM) and uniquely employs single-channel ECG signals, ensuring both robust generalizability and computational efficiency. Unlike conventional adaptation methods such as full fine-tuning, linear probing, or low-rank adaptation, we propose an intuitively pleasing alternative, referred to as the nested Mixture of Experts (MoE) adaptation. More precisely, each transformer layer of the underlying FM is treated as a separate expert, with embeddings extracted from these experts fused using trainable weights within a gating mechanism. This approach enhances the representation of both global and local ECG features, leading to a 6% improvement in accuracy and a 7% increase in the F1 score, all while maintaining computational efficiency. The effectiveness of the proposed ECG-EmotionNet architecture is evaluated using a recently introduced and challenging driver emotion monitoring dataset.
• Abstract（参考訳）: ドライバーの感情認識は、ドライバー監視システムにおいて重要な役割を担い、人間と自律の相互作用を強化し、自律運転(AD)の信頼性を高める。 心電図(ECG)は、特に動的で予測不能な運転条件において、リアルタイムの感情モニタリングのためのスタントアウト選択として現れる。 しかし、既存の手法は静的条件下で記録されたマルチチャネルECG信号に依存しており、現実の動的駆動シナリオにおける適用性を制限している。 この制限に対処するために,動的運転環境における感情認識に特化した新しいアーキテクチャであるECG-EmotionNetを紹介した。 ECG-EmotionNetは、最近導入されたECGファンデーションモデル(FM)に適応して構築され、単一チャネルのECG信号を用いて、堅牢な一般化性と計算効率の両方を保証する。 完全微調整や線形探索,低ランク適応といった従来の適応手法とは異なり,我々は直感的に喜ばしい代替手法を提案し,これをNested Mixture of Experts (MoE) 適応と呼ぶ。 より正確には、基礎となるFMの各変圧器層は別個の専門家として扱われ、これらの専門家から抽出された埋め込みはゲーティング機構内でトレーニング可能な重量を用いて融合される。 このアプローチは、グローバルECGとローカルECGの両方の特徴の表現を強化し、計算効率を維持しながら、精度が6%向上し、F1スコアが7%向上する。 提案したECG-EmotionNetアーキテクチャの有効性を,最近導入されたドライバ感情監視データセットを用いて評価した。

関連論文リスト

• DE-PADA: Personalized Augmentation and Domain Adaptation for ECG Biometrics Across Physiological States [6.857781758172894]
  パーソナライズされた拡張とドメイン適応を備えたデュアルエキスパートモデルであるDE-PADAを提案する。 このモデルは、エクササイズデータに直接露出することなく、主に安静状態データに基づいて訓練されている。 トロント大学ECGデータベースの実験では、モデルの有効性が示されている。
  論文  参考訳（メタデータ） (2025-02-07T14:46:13Z)
• CognitionCapturer: Decoding Visual Stimuli From Human EEG Signal With Multimodal Information [61.1904164368732]
  脳波信号の表現にマルチモーダルデータを完全に活用する統合フレームワークであるCognitionCapturerを提案する。 具体的には、CognitionCapturerは、各モダリティに対してモダリティエキスパートを訓練し、EEGモダリティからモダリティ情報を抽出する。 このフレームワークは生成モデルの微調整を一切必要とせず、より多くのモダリティを組み込むように拡張することができる。
  論文  参考訳（メタデータ） (2024-12-13T16:27:54Z)
• EEG Emotion Copilot: Optimizing Lightweight LLMs for Emotional EEG Interpretation with Assisted Medical Record Generation [12.707059419820848]
  本稿では,脳波信号から直接感情状態を認識する脳波感情コパイロットについて述べる。 その後、パーソナライズされた診断と治療の提案を生成し、最終的に支援された電子カルテの自動化をサポートする。 提案手法は,医療分野における情動コンピューティングの適用を推し進めることが期待される。
  論文  参考訳（メタデータ） (2024-09-30T19:15:05Z)
• CSLP-AE: A Contrastive Split-Latent Permutation Autoencoder Framework for Zero-Shot Electroencephalography Signal Conversion [49.1574468325115]
  脳波分析の鍵となる目的は、基礎となる神経活動(コンテンツ)を抽出し、個体の変動(スタイル)を考慮することである。 近年の音声変換技術の発展に触発されて,脳波変換を直接最適化するCSLP-AEフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-13T22:46:43Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• A Transformer Architecture for Stress Detection from ECG [7.559720049837459]
  本稿では、畳み込み層に基づくディープニューラルネットワークと、ECG信号を用いたストレス検出のためのトランスフォーマー機構を提案する。 実験の結果,提案手法は心電図に基づくストレス検出のための最先端モデルに匹敵する,あるいは優れた結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-08-22T14:34:44Z)
• Segmentation and Classification of EMG Time-Series During Reach-to-Grasp Motion [10.388787606334745]
  動的アーム/ハンド姿勢の変動を伴う連続把握動作から発生するEMG信号を分類するためのフレームワークを提案する。 提案されたフレームワークはリアルタイムに評価され、時間とともに精度が変化した。
  論文  参考訳（メタデータ） (2021-04-19T20:41:06Z)
• EEGFuseNet: Hybrid Unsupervised Deep Feature Characterization and Fusion for High-Dimensional EEG with An Application to Emotion Recognition [10.234189745183466]
  我々は,EEGFuseNetと呼ばれる,非教師付きディープCNN-RNN-GANに基づくEEG特徴量と融合モデルを提案する。 EEGFuseNetは教師なしの方法で訓練され、空間的および時間的ダイナミクスをカバーする深部脳波特徴が自動的に特徴づけられる。 有名な公開感情データベースに基づく教師なし感情認識アプリケーションにおいて、抽出した深層・低次元特徴の性能を慎重に評価する。
  論文  参考訳（メタデータ） (2021-02-07T11:09:16Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。