論文の概要: Emotion Recognition in Older Adults with Quantum Machine Learning and Wearable Sensors

• arxiv url: http://arxiv.org/abs/2507.08175v1
• Date: Thu, 10 Jul 2025 21:12:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-14 18:03:54.178294
• Title: Emotion Recognition in Older Adults with Quantum Machine Learning and Wearable Sensors
• Title（参考訳）: 量子機械学習とウェアラブルセンサを用いた高齢者の感情認識
• Authors: Md. Saif Hassan Onim, Travis S. Humble, Himanshu Thapliyal,
• Abstract要約: 生理的信号からのみ感情状態を推定できる可能性について検討した。 従来の機械学習アルゴリズムとハイブリッド量子機械学習(QML)手法のパフォーマンス比較を行う。 その結果、量子化SVMは、すべての感情カテゴリで古典的な分類性能を上回ることが示唆された。
• 参考スコア（独自算出の注目度）: 0.5188841610098435
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate the feasibility of inferring emotional states exclusively from physiological signals, thereby presenting a privacy-preserving alternative to conventional facial recognition techniques. We conduct a performance comparison of classical machine learning algorithms and hybrid quantum machine learning (QML) methods with a quantum kernel-based model. Our results indicate that the quantum-enhanced SVM surpasses classical counterparts in classification performance across all emotion categories, even when trained on limited datasets. The F1 scores over all classes are over 80% with around a maximum of 36% improvement in the recall values. The integration of wearable sensor data with quantum machine learning not only enhances accuracy and robustness but also facilitates unobtrusive emotion recognition. This methodology holds promise for populations with impaired communication abilities, such as individuals with Alzheimer's Disease and Related Dementias (ADRD) and veterans with Post-Traumatic Stress Disorder (PTSD). The findings establish an early foundation for passive emotional monitoring in clinical and assisted living conditions.
• Abstract（参考訳）: 本研究では,生理的信号からのみ感情状態を推定できる可能性について検討し,従来の顔認識技術に代わるプライバシー保護手法を提案する。 量子カーネルモデルを用いた古典的機械学習アルゴリズムとハイブリッド量子機械学習(QML)手法の性能比較を行った。 以上の結果から,量子化SVMは,限られたデータセットでトレーニングした場合でも,すべての感情カテゴリにおける古典的な分類性能を上回ることが示唆された。 全クラスのF1スコアは80%を超え、リコール値の最大36%が改善されている。 ウェアラブルセンサデータと量子機械学習の統合は、正確性と堅牢性を高めるだけでなく、邪魔にならない感情認識を促進する。 この手法は、アルツハイマー病および関連認知症(ADRD)の個人や、外傷後ストレス障害(PTSD)のベテランなど、コミュニケーション能力に障害のある人口を約束する。 臨床および補助的生活環境における受動的感情モニタリングの早期基盤を確立した。

関連論文リスト

• Emotion Detection in Older Adults Using Physiological Signals from Wearable Sensors [0.40964539027092906]
  本研究は,ウェアラブルセンサから得られる生理的信号のみを用いた感情識別へのエッジベース非邪魔的アプローチについて検討する。 本研究の目的は、カメラや侵入型顔分析を必要とせずに、単に生理的センサーデータを用いて、感情認識がいかに効果的に達成できるかを検討することである。 本手法の有効性を検証し,現実の環境下でのプライバシー保護と効率的な感情認識システムの実現方法について検討した。
  論文  参考訳（メタデータ） (2025-07-10T20:59:25Z)
• CAST-Phys: Contactless Affective States Through Physiological signals Database [74.28082880875368]
  感情的なマルチモーダルデータセットの欠如は、正確な感情認識システムを開発する上で、依然として大きなボトルネックとなっている。 遠隔の生理的感情認識が可能な新しい高品質なデータセットであるCAST-Physを提示する。 本分析では,表情だけでは十分な感情情報が得られない現実的なシナリオにおいて,生理的信号が重要な役割を担っていることを強調した。
  論文  参考訳（メタデータ） (2025-07-08T15:20:24Z)
• Quantum Hybrid Support Vector Machines for Stress Detection in Older Adults [0.5188841610098435]
  この研究は、異常検出問題としてストレス検出に対処するユニークな手法を導入する。 ウェアラブルスマートウォッチの助けを借りて、ベースラインセンサーの読み取りを通常のデータとして、ストレスセンサーの読み取りを異常データとしてマッピングしました。 我々は、カーネルベースの前処理で複雑な特徴空間を探索するために量子コンピューティング技術を用いてきた。
  論文  参考訳（メタデータ） (2025-01-08T20:36:40Z)
• Hybrid Quantum Deep Learning Model for Emotion Detection using raw EEG Signal Analysis [0.0]
  本研究は、感情認識のためのハイブリッド量子深層学習技術を提案する。 従来の脳波に基づく感情認識技術はノイズと高次元データ複雑さによって制限される。 このモデルは、リアルタイムアプリケーションと将来の研究におけるマルチクラス分類のために拡張される予定である。
  論文  参考訳（メタデータ） (2024-11-19T17:44:04Z)
• emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography [47.160223334501126]
  emg2qwertyは、QWERTYキーボードでタッチ入力しながら手首に記録された非侵襲的筋電図信号の大規模なデータセットである。 1,135のセッションが108ユーザと346時間の録画にまたがっており、これまでで最大の公開データセットである。 sEMG信号のみを用いたキープレッシャの予測において,高いベースライン性能を示す。
  論文  参考訳（メタデータ） (2024-10-26T05:18:48Z)
• Automatic detection of cognitive impairment in elderly people using an entertainment chatbot with Natural Language Processing capabilities [8.032202552952299]
  本稿では,高齢者の認知障害を透過的にモニタリングする知的会話システムについて紹介する。 自然言語生成技術を用いて,更新されたニュース項目から対話フローを自動生成する。 このシステムは、質問に対する回答のゴールドスタンダードを推論し、認知能力を自動的に評価する。
  論文  参考訳（メタデータ） (2024-05-28T19:17:48Z)
• Emotional EEG Classification using Connectivity Features and Convolutional Neural Networks [81.74442855155843]
  CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。 対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
  論文  参考訳（メタデータ） (2021-01-18T13:28:08Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• 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。