文献

J-GLOBAL ID：201602285648192247   整理番号：16A1096466

畳込みニューラルネットワークを用いた感情状態認識のための画像としての符号化生理学的信号【Powered by NICT】

Encoding physiological signals as images for affective state recognition using convolutional neural networks

著者 (7件)： Yu Guangliang (Tianjin Key Laboratory of Cognitive Computing and Application, Tianjin University, China) ,  Li Xiang (Tianjin Key Laboratory of Cognitive Computing and Application, Tianjin University, China) ,  Song Dawei (Tianjin Key Laboratory of Cognitive Computing and Application, Tianjin University, China) ,  Zhao Xiaozhao (Tianjin Key Laboratory of Cognitive Computing and Application, Tianjin University, China) ,  Zhang Peng (Tianjin Key Laboratory of Cognitive Computing and Application, Tianjin University, China) ,  Hou Yuexian (Tianjin Key Laboratory of Cognitive Computing and Application, Tianjin University, China) ,  Hu Bin (School of Information Science & Engineering, Lanzhou University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： EMBC  ページ： 812-815  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 生理的信号の複数のモダリティに基づく感情状態認識は最新の研究話題となっている。伝統的な方法は,ドメイン知識に基づく手作りの特徴,それは時間がかかり,十分な性能を達成していない設計が必要である。一方,生の信号に及ぼす導電性分類は直接,いくつかの問題を引き起こす可能性がある,雑音の干渉と次元の呪いとして。これらの問題を解決するために,ここでは,画像データの異なるモダリティをコードする新規手法を提案し,感情状態認識タスクを実行するために畳込みニューラルネットワーク(CNN)を用いた。二つの最新の方法,すなわち,サポートベクトルマシン(SVM)とランダムフォレスト(RF)と比較してDECAFデータセット上で筆者らのアプローチを検証した。実験を行いその結果,提案アプローチは,5%~9%のベースラインよりも優れていることを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *画像 ,  基準線 ,  ドメイン知識 ,  *畳込み ,  *符号化 ,  導電性 ,  *ニューラルネットワーク ,  サポートベクトルマシン ,  雑音
準シソーラス用語： ランダムフォレスト ,  画像データ ,  次元の呪い ,  モダリティ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  感情状態 ,  符号化 ,  生理学的信号