論文の概要: Representation Matters in Longitudinal Affective Computing

• arxiv url: http://arxiv.org/abs/2608.07518v1
• Date: Thu, 02 Jul 2026 22:15:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.175872
• Title: Representation Matters in Longitudinal Affective Computing
• Title（参考訳）: 縦-横-横-縦-横-縦-縦-縦-縦-縦-縦-縦-
• Abstract要約: 縦, 横, 横, ウェアラブル感は, 日常的な生理, 睡眠, 活動, 環境の流れを産み出すが, 影響と認知はエピソード的にのみ表される(波1波)。 我々は、このケイデンスミスマッチを時間的表現問題として再考し、密集した歴史からスパースラベルへの3つの波面マッピングを比較した。 本研究は,脳の健康における実世界の感情計算アプリケーションにおいて,時間的表現を暗黙の事前処理ステップから明示的でテスト可能な設計選択に変換するものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Longitudinal, in-the-wild, wearable sensing yields day-level physiology, sleep, activity, and environmental streams, whereas affect and cognition are labeled only episodically (per waves). We recast this cadence mismatch as a temporal representation problem and compare three wave-level mappings from dense histories to sparse labels: levels (within-wave summaries), absolute drift (change across waves), and proportional drift. Using almost a year of data from 82 adults in the Providemus alz study, we model 21 affect and cognition outcomes. Day-scale signals are reduced to compact wave-level descriptors (central tendency, dispersion, and distributional shape) and learned with four regressors under two orthogonal evaluation axes: leave-one-subject-out and leave-one-wave-out. Performance is reported as scaled MAE using both mean and median across folds. Differences emerge: affective states are best predicted by wave-to-wave absolute drift, whereas cognitive performance aligns with within-wave levels, reflecting emotion dynamic theories. Across windowing features, shape descriptors (e.g., minima, kurtosis) carry more signal than simple means/medians. We contribute a representation triad for sparse-label modelling, a wave-level feature schema applicable on-device, and a dual-axis reporting practice that separates cross-participant generalization from temporal robustness. These results convert temporal representation from an implicit preprocessing step into an explicit, testable design choice for real-world affective-computing applications in brain health.
• Abstract（参考訳）: 縦型、横型、ウェアラブル感触は日常的な生理、睡眠、活動、環境の流れを産み出すが、影響と認知はエピソード的(波1波)にのみラベル付けされる。 我々は、このケイデンスミスマッチを時間的表現問題として再キャストし、密集した歴史からの3つの波面マッピングとスパースラベル、すなわちレベル(波内要約)、絶対ドリフト(波間変化)、比例ドリフトを比較した。 Productmus alz studyでは、82人の成人の約1年間のデータを用いて、21の感情と認知の結果をモデル化した。 日中信号は、コンパクトな波面記述子(中央傾向、分散、分布形状)に還元され、2つの直交評価軸(Left-one-subject-out)とLeft-one-wave-out)の下で4つの回帰子で学習される。 折り畳み平均値と中央値の両方を用いて, スケールされたMAEとして性能を報告する。 感情状態は波動と波動の絶対的ドリフトによって予測されるのに対して、認知的パフォーマンスは波動内レベルと一致し、感情力学理論を反映する。 ウィンドウリング機能を越えて、シェイプディスクリプタ(例えば、ミニマ、クルトシス)は単純な手段/医療者よりも多くの信号を運ぶ。 本稿では,スパースラベルモデリングのための表現トリアド,デバイス上で適用可能なウェーブレベル特徴スキーマ,および時間的ロバスト性から参加者間の一般化を分離する2軸報告プラクティスについて述べる。 これらの結果は、時間的表現を暗黙の事前処理ステップから、脳の健康における実世界の感情計算アプリケーションに対する明示的でテスト可能な設計選択に変換する。

関連論文リスト

• Read-Best Is Not Steer-Best: A Probing--Steering Layer Dissociation in Omni-Modal Large Language Models [75.34700827901757]
  一般的にテストされるが、最も高い確率の層がステアリングに最適な層である、という仮定は稀である。 独立に開発された3つのOmni-modalモデルにまたがって、この仮定を初めて因果検定する。 感情を制御されたテストベッドとして使用し、テキスト、音声、画像入力の階層的可読性と操縦性を測定する。
  論文  参考訳（メタデータ） (2026-08-24T11:38:22Z)
• Distance-Aware Joint Spatio-Temporal Graph Contrastive Learning for Major Depressive Disorder Diagnosis [14.96995835279229]
  大うつ病(Major depressive disorder、MDD)は、安静時機能的MRI(rs-fMRI)からの正確な診断が困難である一般的な疾患である。 動的機能接続(DFC)は、脳領域間の時間的相互作用を捉え、リッチ時間相関を提供するが、DFCベースの手法には3つの制限がある。
  論文  参考訳（メタデータ） (2026-05-22T06:12:31Z)
• WavesFM: Hierarchical Representation Learning for Longitudinal Wearable Sensor Waveforms [30.599420483017227]
  本稿では,2段階のSSLフレームワークを縦型生理データに適用した基礎モデルWavesFMを提案する。 具体的には、学習問題を2つの段階に分解する: まず、セグメントレベルのエンコーダを事前訓練して、短い波形から局所的な埋め込みを抽出する。 この階層的なアプローチは、高解像度の長いシーケンスデータの計算複雑性を克服し、局所的な信号意味論と複雑な概日変動と、生理力学を規定する日内変動の両方を全体モデルで捉えることができる。
  論文  参考訳（メタデータ） (2026-05-09T21:22:02Z)
• Same Answer, Different Representations: Hidden instability in VLMs [65.36933543377346]
  本稿では,内部埋め込みドリフト,スペクトル感度,構造的滑らかさを計測する表現認識・周波数認識評価フレームワークを提案する。 このフレームワークを,SEEDBench,MMMU,POPEデータセットを対象とする最新のビジョン言語モデル(VLM)に適用する。
  論文  参考訳（メタデータ） (2026-02-06T12:24:26Z)
• Wave-PDE Nets: Trainable Wave-Equation Layers as an Alternative to Attention [0.0]
  ウェーブ-PDEネット(Wave-PDE Nets)は、2階波動方程式の微分可能なシミュレーションであるニューラルネットワークである。 FFTに基づくシンプレクティックスペクトル解法は、この伝播をO(nlog n)時間で実現する。 言語とビジョンのベンチマークでは、Wave-PDE NetsはTransformerのパフォーマンスにマッチするか、超える。
  論文  参考訳（メタデータ） (2025-10-05T17:52:52Z)
• Wave-Based Semantic Memory with Resonance-Based Retrieval: A Phase-Aware Alternative to Vector Embedding Stores [51.56484100374058]
  本稿では,波動パターン$psi(x) = A(x) eiphi(x)$として知識をモデル化し,共振に基づく干渉によってそれを検索する新しいフレームワークを提案する。 このアプローチは振幅情報と位相情報の両方を保存し、より表現的かつ堅牢な意味的類似性を実現する。
  論文  参考訳（メタデータ） (2025-08-21T10:13:24Z)
• WaveStitch: Flexible and Fast Conditional Time Series Generation with Diffusion Models [19.930761927689854]
  WaveStitchは、時間データを生成するための新しい拡散ベースの方法である。 コヒーレンスを維持しながら、自己回帰法よりも最大166.48倍高速なデータを生成する。 平均二乗誤差は最先端に比べて1.81倍低く、自己回帰法よりも166.48倍高速なデータを生成する。
  論文  参考訳（メタデータ） (2025-03-08T14:12:10Z)
• Consistency Guided Scene Flow Estimation [159.24395181068218]
  CGSFは立体映像からの3次元シーン構造と動きの同時再構成のための自己教師型フレームワークである。 提案モデルでは,課題の画像の相違やシーンフローを確実に予測できることを示す。 最先端技術よりも優れた一般化を実現し、目に見えない領域に迅速かつ堅牢に適応する。
  論文  参考訳（メタデータ） (2020-06-19T17:28:07Z)
• Wave Propagation of Visual Stimuli in Focus of Attention [77.4747032928547]
  周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。 本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-19T09:33:21Z)
• Temporal-Spatial Neural Filter: Direction Informed End-to-End Multi-channel Target Speech Separation [66.46123655365113]
  ターゲット音声分離とは、混合信号からターゲット話者の音声を抽出することを指す。 主な課題は、複雑な音響環境とリアルタイム処理の要件である。 複数話者混合から対象音声波形を直接推定する時間空間ニューラルフィルタを提案する。
  論文  参考訳（メタデータ） (2020-01-02T11:12:50Z)

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。