論文の概要: Artifact removal improves electrodermal waveforms but not downstream classification in a virtual-reality balance task

• arxiv url: http://arxiv.org/abs/2610.07438v1
• Date: Mon, 05 Oct 2026 21:42:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.684818
• Title: Artifact removal improves electrodermal waveforms but not downstream classification in a virtual-reality balance task
• Title（参考訳）: 人工物除去は仮想現実バランスタスクにおける電場波形を改善するが下流分類には及ばない
• Abstract要約: アーティファクト除去は電磁気活性(EDA)の分類に通常先行する 我々はこの仮定を仮想現実性(VR)バランス障害タスクで検証した。 残留ゲーティングネットワークは、専門家が修正したEDAのベンチマークでトレーニングされ、凍結され、VR記録に適用された。
• 参考スコア（独自算出の注目度）: 3.8848561367220267
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artifact removal routinely precedes the classification of electrodermal activity (EDA), on the assumption that a cleaner signal supports a better decision. We tested this assumption in a virtual-reality (VR) balance-disturbance task. A residual gating network was trained on a benchmark with expert-corrected EDA, frozen, and applied to VR recordings, where raw and gated signals were classified by five published time-series methods under identical leave-one-participant-out evaluation. On the benchmark the gate detected artifacts well (median record AUROC 0.94) and reduced error inside artifact regions by 17.8%. In the VR task it did not improve classification. Changes in balanced accuracy ranged from -1.35 to +0.93 percentage points, no classifier improved and two lost accuracy, and all five were equivalent to raw input within +/- 3.32 points. The benefit was lost between waveform and decision. The correction that lowered waveform error also reduced skin conductance response detection in all 43 benchmark records. Processing left 92.8% of predictions unchanged, and the predictions it did change were corrected and corrupted at similar rates. The VR recordings also carried little contamination (an estimated 4.6% of samples), and even perfect localization of deliberately injected artifacts recovered only 3.3 points in the most sensitive classifier. A pooled association between artifact level and accuracy (11.3 points) disappeared within participants (0.1 points), showing how differences between people can make cleaning look useful. Preprocessing should be judged by the decision it supports, against an unprocessed arm.
• Abstract（参考訳）: アーティファクト除去は、クリーナー信号がより良い決定を支持すると仮定して、通常、電磁気活性(EDA)の分類に先行する。 我々はこの仮定を仮想現実性(VR)バランス障害タスクで検証した。 残留ゲーティングネットワークを専門家が修正したEDAのベンチマークでトレーニングし、凍結し、VR録音に適用した。 ベンチマークでは、ゲートはアーティファクトをよく検出し(中央記録のAUROC 0.94)、アーティファクト領域内のエラーを17.8%削減した。 VRでは、分類は改善されなかった。 バランスの取れた精度は-1.35から+0.93ポイントまで変化し、分類器は改善されず、2つの精度が失われた。 その利益は波形と決定の間に失われた。 波形誤差を下げた補正により、43のベンチマーク記録すべてにおいて皮膚コンダクタンス応答の検出が減少した。 処理は92.8%の予測を変更せず、変更した予測は修正され、同様の速度で破損した。 また、VR記録は汚染がほとんどなく(サンプルの4.6%)、故意に注入されたアーティファクトの完全な局在も最も敏感な分類器で3.3ポイントしか回収できなかった。 人工物レベルと精度(11.3ポイント)の疎結合は参加者(0.1ポイント)で消失し、人との差異がいかに有用かを示した。 事前処理は、サポートしている決定によって、未処理のアームに対して判断されるべきである。

関連論文リスト

• DeBERTa-ConPara: Attack-Aware and Deployment-Realistic Detection of AI-Generated Text [42.255101883505056]
  DeBERTa-ConParaは,HC3 Plus,M4,MAGE,RAIDで学習した文脈変換器エンコーダと,攻撃対応Unicode前処理を組み合わせたデプロイメント指向検出器である。 我々の中心的な発見は、前処理が適用された場所によって反対方向に作用することである。 2つの配置の因子的変化は、正規化推論による生のトレーニングを最高の設定として独立に識別する。 12種類の攻撃クラスのうち、ホモグリーフとゼロ幅空間の挿入は11.05%から1.12%から96.98%に増加した。
  論文  参考訳（メタデータ） (2026-10-01T00:57:33Z)
• Adaptive Conformal Redistribution for Inter-class Transitional Uncertainty in Medical Image Classification [9.578682349231789]
  アダプティブコンフォメーション(Adaptive conformal redistribution, AdaConRed)は、曖昧な予測セットを洗練されたクラス割り当てに変換する、ラベルのないポストコンフォーマル決定ルールである。 AdaConRedはLAC、APS、RAPSを同じバックボーンと再配布規則で上回る。 コンフォーマルな予測は、移行性疾患のカテゴリが存在する行動可能な意思決定支援に向けて、不確実性を超えて拡張することができる。
  論文  参考訳（メタデータ） (2026-09-10T06:21:30Z)
• Spatial Attention Supervision for Defect Localization: Exploiting Ground-Truth Masks as Training Signal in Diffusion-Augmented Defect Detection [0.0]
  産業用データセットの地道欠陥マスクは一般に評価のために予約されている。 本稿では,分類ネットワークの訓練中に空間的監視信号として再利用する。
  論文  参考訳（メタデータ） (2026-09-05T19:20:23Z)
• Evidential Deep Learning for Multi-Modal Anti-UAV Detection [0.0]
  本研究では,明らかな深層学習ヘッド,デンプスター・シェーファーのエビデンス融合,不確実性駆動型時間センサゲーティングが抗UAV検出を改善するか否かを評価する。
  論文  参考訳（メタデータ） (2026-09-01T18:09:46Z)
• Selective Prediction and Uncertainty-Aware Referral for Pap Smear Classification [3.093890460224435]
  本稿では,Herlev Papスミアデータセットの選択的予測と不確実性を考慮した参照について検討する。 ImageNet-pretrained weights with weighted random samples, and two light transformer backbones are fine-tuned on Herlev from ImageNet-pretrained weights with weighted random sample。 統計的に有意な差は認められなかった。
  論文  参考訳（メタデータ） (2026-07-15T05:47:31Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Diagnosing Non-Markovian Observations in Reinforcement Learning via Prediction-Based Violation Scoring [0.0]
  強化学習アルゴリズムは、観測がマルコフの性質を満たすと仮定する。 実世界のセンサーは、相関ノイズ、遅延、または部分的な可観測性を通じて、この仮定にしばしば違反する。 本稿では,観測軌道における非マルコフ構造を定量化する予測に基づくスコアリング手法を提案する。
  論文  参考訳（メタデータ） (2026-03-28T19:42:27Z)
• Tightening Classification Boundaries in Open Set Domain Adaptation through Unknown Exploitation [45.74830585715129]
  畳み込みニューラルネットワーク(CNN)は多くの研究領域に革命的な進歩をもたらした。 しかし、これらの手法が制御不能な環境に適用されると、多くの異なる要因がモデルの性能を劣化させる可能性がある。 未知のインスタンスの高信頼度集合を抽出することでOSDAアプローチを改善する新しい方法を提案する。
  論文  参考訳（メタデータ） (2023-09-16T11:33:40Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• What Does Rotation Prediction Tell Us about Classifier Accuracy under Varying Testing Environments? [47.66854943878978]
  我々はマルチタスク方式で意味分類と回転予測を訓練する。 一連のデータセットにおいて、セマンティック分類精度は回転予測タスクの精度と強い線形関係を示すという興味深い発見を報告する。
  論文  参考訳（メタデータ） (2021-06-10T17:55:37Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。