文献

J-GLOBAL ID：201902218657369035   整理番号：19A1112276

連続感情予測のための動的困難アウェアネス訓練【JST・京大機械翻訳】

Dynamic Difficulty Awareness Training for Continuous Emotion Prediction

著者 (4件)： Zhang Zixing (Group on Language, Audio and Music, Imperial College London, London, U.K.) ,  Han Jing (ZD.B Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Coutinho Eduardo (Department of Music, University of Liverpool, Liverpool, U.K.) ,  Schuller Bjorn (Group on Language, Audio and Music, Imperial College London, London, U.K.)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 21  号： 5  ページ： 1289-1301  発行年： 2019年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  資料種別： 逐次刊行物 (A)
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： 時間連続感情予測は機械学習においてますます複雑なタスクになっている。これらのシステムの性能を進歩させるためにかなりの努力がなされている。それにもかかわらず,主な焦点は,より洗練されたモデルの開発と異なる表現モダリティ(例えば,音声,顔,および生理学)の組込みである。本論文では,人間の学習手順における困難な認識の利点に動機付けて,新しい機械学習フレームワーク,すなわち動的困難性認識訓練(DDAT)を提案した。これは機械学習プロセスを促進するための学習の困難さを直接利用する研究に新しい光を与える。DDATフレームワークは,情報検索と情報開発の2つの段階から成る。第一段階において,入力特徴の再構成誤差または注釈不確実性を用いて,特定情報の学習の困難性を推定した。次に,得られた困難レベルを,モデルが学習プロセスの高い困難領域に焦点を合わせることができるという期待により,第二の学習段階におけるモデル入力を更新するために,オリジナルの特徴とタンデムに使用した。提案フレームワークの有効性を評価するために,ベンチマークデータベースREmote共同および感情に関する広範な実験を行った。実験結果は,著者らのアプローチが,他の確立された時間-連続感情予測システムと同様に,関連ベースラインより優れていることを示した。それは,ニューラルネットワークのための困難な情報を動的に統合することが,学習プロセスを強化するのを助けることができることを示唆した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 生理学 ,  直列接続 ,  情報検索 ,  再構成 ,  ニューラルネットワーク ,  有効性 ,  *予測 ,  学習 ,  モデル ,  機械学習 ,  アノテーション ,  基準線
準シソーラス用語： 学習過程 ,  モダリティ ,  *意識性 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 感情 ,  予測 ,  アウェアネス ,  訓練