論文の概要: Comparative Evaluation of Machine Learning Algorithms for Affective State Recognition from Children's Drawings

• arxiv url: http://arxiv.org/abs/2601.18414v1
• Date: Mon, 26 Jan 2026 12:12:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.814579
• Title: Comparative Evaluation of Machine Learning Algorithms for Affective State Recognition from Children's Drawings
• Title（参考訳）: 児童図面からの情緒的状態認識のための機械学習アルゴリズムの比較評価
• Authors: Aura Loredana Dan,
• Abstract要約: 本論文は、子どもの絵からの感情的状態認識に関する以前の研究に基づいている。 3つのディープラーニングアーキテクチャは、統一された実験フレームワーク内で評価される。 結果は、描画ベースの感情的コンピューティングタスクに適用する場合、軽量アーキテクチャとより深いアーキテクチャの間の重要なトレードオフを浮き彫りにする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autism spectrum disorder (ASD) represents a neurodevelopmental condition characterized by difficulties in expressing emotions and communication, particularly during early childhood. Understanding the affective state of children at an early age remains challenging, as conventional assessment methods are often intrusive, subjective, or difficult to apply consistently. This paper builds upon previous work on affective state recognition from children's drawings by presenting a comparative evaluation of machine learning models for emotion classification. Three deep learning architectures -- MobileNet, EfficientNet, and VGG16 -- are evaluated within a unified experimental framework to analyze classification performance, robustness, and computational efficiency. The models are trained using transfer learning on a dataset of children's drawings annotated with emotional labels provided by psychological experts. The results highlight important trade-offs between lightweight and deeper architectures when applied to drawing-based affective computing tasks, particularly in mobile and real-time application contexts.
• Abstract（参考訳）: 自閉症スペクトラム障害(Autism spectrum disorder, ASD)は、特に幼少期において、感情やコミュニケーションの困難さを特徴とする神経発達障害である。 幼児期の子どもの情緒状態を理解することは、従来の評価手法が貫入的、主観的、あるいは一貫した適用が困難であることから、依然として困難である。 本論文は、感情分類のための機械学習モデルの比較評価を行い、子どもの絵からの感情的状態認識に関する以前の研究に基づいている。 MobileNet、EfficientNet、VGG16の3つのディープラーニングアーキテクチャは、統一された実験フレームワーク内で評価され、分類性能、堅牢性、計算効率を分析する。 モデルは、心理学の専門家によって提供される感情ラベルで注釈付けされた子供の絵のデータセット上で、トランスファーラーニングを用いて訓練される。 この結果は、特にモバイルおよびリアルタイムのアプリケーションコンテキストにおいて、描画ベースの情緒的コンピューティングタスクに適用する場合、軽量アーキテクチャとより深いアーキテクチャの間の重要なトレードオフを浮き彫りにする。

関連論文リスト

• Improving Question Embeddings with Cognitive Representation Optimization for Knowledge Tracing [77.14348157016518]
  KTモデリングの研究は、既存の未更新の学生の相互作用の記録に基づいて、将来の学生のパフォーマンスを予測することに焦点を当てている。 動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡型認知表現最適化(CRO-KT)モデルを提案する。
  論文  参考訳（メタデータ） (2025-04-05T09:32:03Z)
• DASKT: A Dynamic Affect Simulation Method for Knowledge Tracing [51.665582274736785]
  KT(Knowledge Tracing)は,学生の履歴計算によって将来のパフォーマンスを予測し,学生の感情状態を理解することで,KTの有効性を高めることができる。 本研究では,学生の感情状態が知識状態に与える影響を調べるために,DASKT(Affect Dynamic Knowledge Tracing)を提案する。 我々の研究は、高い解釈可能性と精度の実現に焦点をあてて、今後の研究への有望な道のりを強調している。
  論文  参考訳（メタデータ） (2025-01-18T10:02:10Z)
• Hybrid Models for Facial Emotion Recognition in Children [0.0]
  本稿では,遠隔操作型ロボットによる子どものセラピーの実践において,心理学者を支援するための感情認識技術の利用に焦点を当てた。 Embodied Conversational Agents (ECA) は、プロが社会的課題に直面している子供と繋がる手助けをする仲介ツールである。
  論文  参考訳（メタデータ） (2023-08-24T04:20:20Z)
• Language-Assisted Deep Learning for Autistic Behaviors Recognition [13.200025637384897]
  本稿では,視覚に基づく問題行動認識システムにおいて,従来の手法よりも高い精度で性能を向上できることを示す。 問題行動の種類毎に「自由利用」言語記述を取り入れた2分岐マルチモーダルディープラーニングフレームワークを提案する。 実験結果から,言語指導を付加することで,自閉症の行動認識タスクに明らかなパフォーマンス向上がもたらされることが示された。
  論文  参考訳（メタデータ） (2022-11-17T02:58:55Z)
• An Application of a Runtime Epistemic Probabilistic Event Calculus to Decision-making in e-Health Systems [1.7761842246724584]
  本稿では,知覚データと分類器を論理に基づく意思決定システムに統合するランタイムアーキテクチャを提案する。 このアプリケーションでは、子どもたちはゲーム形式でリハビリテーションタスクを実行します。 システムの主な目的は、子供の現在の認知的および行動的パフォーマンスのレベルを示すパラメータのセットを導出することである。
  論文  参考訳（メタデータ） (2022-09-26T21:53:01Z)
• Evaluating Temporal Patterns in Applied Infant Affect Recognition [5.312541762281102]
  本稿では,幼児とロボットの相互作用の文脈における分類性能に影響を及ぼす時間的パターンについて述べる。 乳幼児は顔と体の特徴の両方を用いて認識分類器に影響を及ぼすよう訓練した。 パフォーマンスが経時的にどのように変化したかを評価するため,ベストパフォーマンスモデルについて詳細な分析を行った。
  論文  参考訳（メタデータ） (2022-09-07T23:29:15Z)
• Cross Your Body: A Cognitive Assessment System for Children [5.279475826661643]
  我々はCross-Your-Bodyと呼ばれるシステムと記録データを作成しました。 ビデオは現実世界の使い方を捉え、心理学者による実世界のアセスメント中に子供たちがタスクを行う様子を録画する。 本システムは,子どもの認知評価研究の進展に役立てることが目標である。
  論文  参考訳（メタデータ） (2021-11-24T22:38:07Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units and a Unified Framework [83.21732533130846]
  Aff-Wild と Aff-Wild2 の2つである。 これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。 インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
  論文  参考訳（メタデータ） (2021-03-29T17:36:20Z)
• A Developmental Neuro-Robotics Approach for Boosting the Recognition of Handwritten Digits [91.3755431537592]
  近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。 本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
  論文  参考訳（メタデータ） (2020-03-23T14:55:00Z)
• 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。