論文の概要: Beyond the Raw Waveform: Fusing Visual Representations of EDA for Stress Detection
- arxiv url: http://arxiv.org/abs/2609.22095v1
- Date: Mon, 10 Aug 2026 03:44:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.693825
- Title: Beyond the Raw Waveform: Fusing Visual Representations of EDA for Stress Detection
- Title（参考訳）: 生波形を超える:ストレス検出のためのEDAの視覚表現
- Abstract要約: 本研究では,EDAの相補的視覚表現がストレス分類に有用な情報を提供するかどうかを検討する。
58サブオブジェクトの応力データセットの実験では、表現融合は原波形よりも改善されている。
- 参考スコア（独自算出の注目度）: 5.997987886405575
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electrodermal activity (EDA) is widely used in automatic stress detection, yet most pipelines treat it only as a raw one-dimensional waveform. This study examines whether complementary visual representations of EDA provide useful information for stress classification and whether their fusion im- proves recognition performance. Six image-based representations are derived from each EDA recording: an unwrapped short-time Fourier transform (STFT) phase spectrogram, an instantaneous-frequency map computed from that phase, a power spectral density (PSD) spectrogram, a continuous wavelet transform scalogram, a recurrence plot, and a rendered waveform trace. The selected representations are stacked as channels of a single multichannel input, together with the raw waveform, and processed by a shared asymmetric-attention architecture. Experiments on a 58-subject stress dataset show that representation fusion improves over the raw waveform. The best configuration, which combines five representations while excluding the unwrapped phase spectrogram, reaches 70.97% test accuracy, compared with 67.36% for the raw waveform. The single PSD spectrogram achieves 69.44%, remaining close to the best-fused configuration at a lower computational cost. The results show that alternative visual forms of the same EDA signal can provide useful inductive biases for stress detection, and that a compact selection of complementary representations can be more effective than the raw waveform alone.
- Abstract（参考訳）: 電気的活動(EDA)は自動応力検出に広く用いられているが、ほとんどのパイプラインはそれを生の1次元波形としてのみ扱う。
本研究では,EDAの相補的視覚表現がストレス分類に有用な情報を提供し,その融合が認識性能を示すか否かを検討する。
6つの画像ベース表現は、各EDA記録から導出される。未ラップの短時間フーリエ変換(STFT)位相分光図、その位相から計算された瞬時周波数マップ、パワースペクトル密度(PSD)分光図、連続ウェーブレット変換頭文字、繰り返しプロット、描画波形トレース。
選択された表現は、原波形とともに単一のマルチチャネル入力のチャネルとして積み重ねられ、共有非対称アテンションアーキテクチャによって処理される。
58サブオブジェクトの応力データセットの実験では、表現融合は原波形よりも改善されている。
最良の構成は、5つの表現を組み合わせたもので、未開相分光図を除くと70.97%の精度に達し、原波形は67.36%である。
単一のPSDスペクトログラムは69.44%を達成し、計算コストの低い最良の構成に近づいたままである。
その結果、同一のEDA信号の代替視覚形態は、ストレス検出に有用な誘導バイアスを与え、相補表現のコンパクトな選択は、原波形のみよりも効果的であることを示した。
関連論文リスト
- Set-Based Transformer for Atmospheric Compensation in Standoff LWIR Hyperspectral Imaging [6.066442015301664]
本稿では,複数の放射率測定,透過率,大気経路放射率,共有下降スペクトルを併用した,軽量なセットベース深層学習フレームワークを提案する。
学習した表現をスパースオートエンコーダを用いて解析し、テストデータの地理的コヒーレントな部分集合上で複数の潜在特徴が活性化されることを観察する。
論文 参考訳（メタデータ） (2026-06-06T20:25:30Z) - Robust Frequency-Calibrated Virtual EEG Channel Generation from Four Frontal Electrodes for Wearable EEG Augmentation [0.0]
FAVC-Netは、Fp1, Fp2, F7, F8から13個の未測定EEGチャネルを生成する。
このモデルは、共有マルチスケールソース符号化、ソース状態埋め込み、ターゲット条件付き署名されたソースブロック混合、GATv2ベースのアテンション改善、アテンション一貫性のあるスキップ融合、弱いウェルチ電力スペクトルのキャリブレーションを組み合わせたものである。
論文 参考訳（メタデータ） (2026-05-28T02:31:38Z) - Triple Spectral Fusion for Sensor-based Human Activity Recognition [86.21994396715074]
本稿では,センサを用いたヒューマンアクティビティ認識(HAR)に適した新しい三重スペクトル融合フレームワークを提案する。
雑音抑制のための適応的な補間フィルタリング手法を開発し,各IMUセンサを姿勢・運動モードノードに整理する。
適応ウェーブレット周波数選択手法により、コンテキストの冗長性を抑え、特徴の長さを短縮する。
論文 参考訳（メタデータ） (2026-05-04T15:42:58Z) - Wavelet-based GAN Fingerprint Detection using ResNet50 [0.0]
GAN(Generative Adversarial Networks)は、デジタル画像法医学において重要な課題となっている。
本研究では、離散ウェーブレット変換前処理を用いたウェーブレットに基づく検出手法を提案する。
提案手法は,GAN画像の検出におけるウェーブレット領域解析の有効性を示し,将来的なディープフェイク検出システムの可能性を強調した。
論文 参考訳（メタデータ） (2025-10-21T22:40:16Z) - AudioFuse: Unified Spectral-Temporal Learning via a Hybrid ViT-1D CNN Architecture for Robust Phonocardiogram Classification [0.0]
そこで我々は,PCGを分類するために,相補的表現から学習するアーキテクチャであるAudioFuseを提案する。
PhysioNet 2016データセットでは、AudioFuseがゼロからトレーニングすると、最先端の競争力を持つROC-AUCの0.8608を達成する。
論文 参考訳（メタデータ） (2025-09-27T18:52:50Z) - PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。
この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
論文 参考訳（メタデータ） (2025-04-27T07:21:42Z) - Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳（メタデータ） (2024-07-18T04:36:10Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - Diffusion Probabilistic Model Made Slim [128.2227518929644]
軽量画像合成のためのスリム拡散確率モデル(DPM)のカスタマイズ設計を提案する。
一連の条件および非条件画像生成タスクにおける遅延拡散モデルと比較して,計算複雑性を8-18倍に削減する。
論文 参考訳（メタデータ） (2022-11-27T16:27:28Z) - Noise Homogenization via Multi-Channel Wavelet Filtering for
High-Fidelity Sample Generation in GANs [47.92719758687014]
GAN(Generative Adversarial Networks)のための新しいマルチチャネルウェーブレットに基づくフィルタリング手法を提案する。
ジェネレータにウェーブレットのデコンボリューション層を埋め込むと、結果のGANであるWaveletGANがウェーブレットのデコンボリューションを利用して複数のチャネルによるフィルタリングを学習する。
オープンGANベンチマークツールを用いて,Fashion-MNIST,KMNIST,SVHNデータセットのベンチマーク実験を行った。
論文 参考訳（メタデータ） (2020-05-14T03:40:11Z)
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。