論文の概要: Bridging the Gap in ECG-Based Emotion Recognition: A Unified Evaluation of Deep Learning Models

• arxiv url: http://arxiv.org/abs/2609.15055v2
• Date: Wed, 16 Sep 2026 17:15:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.408802
• Title: Bridging the Gap in ECG-Based Emotion Recognition: A Unified Evaluation of Deep Learning Models
• Title（参考訳）: 心電図に基づく感情認識におけるギャップを埋める:深層学習モデルの統一評価
• Abstract要約: 本研究では,AER(Automated Emotion Recognition)における顕著なディープラーニングアーキテクチャの比較分析を行った。 公開されている3つのAERデータセットであるCUADS, ASCERTAIN, DREAMERを単一のデータセットに統合し, センサタイプ, 記録条件, 人口統計の多様性を高めた。 この結果から,分類精度とモデル複雑性のトレードオフに関する知見が得られ,AER研究の再現可能なベンチマークが確立された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning has led to numerous proposed architectures for Automated Emotion Recognition (AER) from electrocardiogram (ECG) data, but inconsistencies in preprocessing, training, and evaluation make direct comparisons difficult. Most studies train and validate models on individual datasets collected under homogeneous conditions, limiting variability and raising concerns about generalizability. Cross-dataset validation is sometimes used but primarily assesses model adaptability rather than true generalization. This study presents a comparative analysis of prominent deep learning architectures in AER, emphasizing model generalization over dataset adaptability. To enable this benchmark, we introduce two open-source frameworks: Affective Research on Representations and Classifications (ARRC), a standardized benchmarking toolkit, and Affective Research Dataset Toolkit (ARDT), a framework for inter-dataset training and validation. Using ARDT, we consolidate three publicly available AER datasets, CUADS, ASCERTAIN, and DREAMER, into a single dataset, increasing variability in sensor types, recording conditions, and participant demographics. We then use ARRC to evaluate three widely studied deep learning models and two CNN baselines through hyperparameter optimization and 10-fold cross-validation. Our findings provide insights into the trade-offs between classification accuracy and model complexity, establishing a reproducible benchmark for AER research. All source code for ARRC, ARDT, and model evaluation is publicly available to ensure transparency and facilitate further research.
• Abstract（参考訳）: 深層学習は心電図(ECG)データから自動感情認識(AER)のための多くのアーキテクチャを提案しているが、前処理、トレーニング、評価の不整合は直接比較を困難にしている。 ほとんどの研究は、均一な条件下で収集された個々のデータセットのモデルを訓練し、検証し、可変性を制限し、一般化可能性に関する懸念を提起する。 クロスデータセット検証は時々用いられるが、主に真の一般化よりもモデル適応性を評価する。 本研究では,AERにおける顕著なディープラーニングアーキテクチャの比較分析を行い,データセット適応性に対するモデル一般化を強調した。 このベンチマークを実現するために、標準化されたベンチマークツールキットであるARRC(Affective Research on Representations and Classifications)と、データセット間のトレーニングと検証のためのフレームワークであるARDT(Affective Research Dataset Toolkit)の2つのオープンソースフレームワークを紹介した。 ARDTを用いて、公開されている3つのAERデータセット(CUADS、ASCERTAIN、DREAMER)を単一のデータセットに統合し、センサタイプ、記録条件、および参加者人口率の変動を増大させる。 次に、ARRCを用いて3つの広く研究されているディープラーニングモデルと2つのCNNベースラインを、ハイパーパラメータ最適化と10倍のクロスバリデーションによって評価する。 この結果から,分類精度とモデル複雑性のトレードオフに関する知見が得られ,AER研究の再現可能なベンチマークが確立された。 ARRC、ARDT、モデル評価のためのすべてのソースコードは、透明性を確保し、さらなる研究を促進するために公開されている。

関連論文リスト

• AlignDiff: Exploiting Model-Intrinsic Information for Better Preference Data Selection [53.61691036434302]
  固有モデル信号によって駆動される嗜好データフィルタリングフレームワークであるAlignDiffを提案する。 AlpacaEval 2.0、Arena-Hard、MT-Benchベンチマークを評価した。 AlignDiffの有効性を検証するために包括的アブレーション研究を行っている。
  論文  参考訳（メタデータ） (2026-09-05T05:51:23Z)
• OpenDataArena: A Fair and Open Arena for Benchmarking Post-Training Dataset Value [74.80873109856563]
  OpenDataArena(ODA)は、トレーニング後のデータの本質的な価値をベンチマークするために設計された、総合的でオープンなプラットフォームである。 ODAは4つの主要な柱からなる包括的なエコシステムを確立している。 (i) 多様なモデル間で公平でオープンな比較を保証する統一的なトレーニング評価パイプライン、 (ii) 異なる軸数に沿ってデータ品質をプロファイリングする多次元スコアリングフレームワーク、 (iii) データセットの系図を視覚化してコンポーネントソースを識別するインタラクティブなデータ系統探索である。
  論文  参考訳（メタデータ） (2025-12-16T03:33:24Z)
• Deepfake Detection that Generalizes Across Benchmarks [48.85953407706351]
  ディープフェイク検出器の非表示操作技術への一般化は、実用的展開の課題である。 この研究は、基礎となる事前学習された視覚エンコーダのパラメータ効率適応により、ロバストな一般化が達成可能であることを示す。 提案手法は、平均的クロスデータセットAUROCにおける、より複雑な、最新のアプローチよりも優れた、最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-08-08T12:03:56Z)
• Query-Based Adaptive Aggregation for Multi-Dataset Joint Training Toward Universal Visual Place Recognition [10.8843105310375]
  クエリベースのアダプティブアグリゲーション(QAA)は、学習したクエリを参照コードブックとして活用する、新たな機能アグリゲーション技術である。 QAAは最先端モデルよりも優れており、データセット固有のモデルに匹敵するピーク性能を維持しつつ、多様なデータセット間でのバランスの取れた一般化を実現している。
  論文  参考訳（メタデータ） (2025-07-04T22:40:03Z)
• The role of data partitioning on the performance of EEG-based deep learning models in supervised cross-subject analysis: a preliminary study [37.69303106863453]
  ディープラーニングは、非常に非線形なパターンを効果的に発見することによって、脳波(EEG)データの解析を進めています。 ドメイン内に適切なデータパーティショニングとクロスバリデーションのための包括的なガイドラインは存在しない。 本稿では,脳波深層学習モデルの評価におけるデータ分割とクロスバリデーションの役割について,徹底的に検討する。
  論文  参考訳（メタデータ） (2025-05-19T12:05:28Z)
• Benchmarking community drug response prediction models: datasets, models, tools, and metrics for cross-dataset generalization analysis [36.689210473887904]
  本稿では,ディープラーニング(DL)モデルと機械学習(ML)モデルにおけるデータセット間予測の一般化を評価するためのベンチマークフレームワークを提案する。 絶対的なパフォーマンス(データセット間での予測精度など)と相対的なパフォーマンス(例えば、データセット内の結果と比較してパフォーマンス低下)の両方を定量化します。 本結果は,厳密な一般化評価の重要性を浮き彫りにして,未知のデータセット上でモデルをテストする場合の大幅な性能低下を明らかにした。
  論文  参考訳（メタデータ） (2025-03-18T15:40:18Z)
• Consistency Regularization for Generalizable Source-free Domain Adaptation [62.654883736925456]
  ソースフリードメイン適応(source-free domain adapt, SFDA)は、ソースデータセットにアクセスすることなく、十分にトレーニングされたソースモデルを未学習のターゲットドメインに適応することを目的としている。 既存のSFDAメソッドは、ターゲットのトレーニングセット上で適用されたモデルを評価し、目に見えないが同一の分散テストセットからデータを無視する。 より一般化可能なSFDA法を開発するための整合正則化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-03T07:45:53Z)
• Universal Domain Adaptation from Foundation Models: A Baseline Study [58.51162198585434]
  基礎モデルを用いた最先端UniDA手法の実証的研究を行った。 CLIPモデルからターゲット知識を抽出するためのパラメータフリーな手法であるtextitCLIP 蒸留を導入する。 単純な手法ではあるが、ほとんどのベンチマークタスクでは従来の手法よりも優れている。
  論文  参考訳（メタデータ） (2023-05-18T16:28:29Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• BEIR: A Heterogenous Benchmark for Zero-shot Evaluation of Information Retrieval Models [41.45240621979654]
  情報検索のための異種ベンチマークであるBEIRを紹介する。 ゼロショット評価設定における9つの最先端の検索モデルの有効性を検討する。 Dense-Retrievalモデルは計算効率が良いが、他のアプローチでは性能が劣ることが多い。
  論文  参考訳（メタデータ） (2021-04-17T23:29:55Z)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)

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。