文献

J-GLOBAL ID：202002272827628497   整理番号：20A1759456

アンサンブルおよびエンドツーエンドアプローチを用いた離散および連続感情予測の結合【JST・京大機械翻訳】

Joint Discrete and Continuous Emotion Prediction Using Ensemble and End-to-End Approaches

著者 (2件)： AlBadawy Ehab A. (University at Albany, SUNY, Albany, NY, USA) ,  Kim Yelin (University at Albany, SUNY, Albany, NY, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMI ’18  ページ： 366-375  発行年： 2018年 
JST資料番号： D0698C  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： 本論文では,連続および離散化表現と共同で次元感情ラベルを特徴付ける連続感情予測における新しいアプローチを示した。連続感情ラベルは,微妙な感情変動を捉えることができるが,それらの固有雑音は,しばしばモデル訓練に負の影響を及ぼす。最近のアプローチでは,ラベル量子化誤差にもかかわらず,連続ラベルを離散集合(例えば,k平均クラスタリングを用いて)に変換するとき,性能利得を見出した。連続と離散化された感情表現の間の最適なトレードオフを見つけるために,著者らは2つの共同モデリングアプローチ,すなわち集合とエンドツーエンドを調査した。アンサンブルモデルは,別々に訓練された2つのモデルからの予測と,離散化予測による1つと,連続予測による他の予測を結合した。他方,エンドツーエンドモデルを訓練し,それらの間の最終組合せに加えて離散化と連続予測タスクを同時に最適化する。RECOLAデータセット上の最先端の深層BLSTMネットワークを用いた実験結果は,(i)共同表現がRECOLAに関する個々の表現基準と最先端の音声ベース結果の両方より優れ,連続と離散化感情表現を組み合わせる仮定が感情予測においてより良い性能をもたらすことを示した。(ii)結合表現は,特に価数予測のために収束を加速するのを助けることができる。本研究は,原子価および活性化予測における動的に変化する感情的行動を記述するための,関節の離散および連続感情表現とその有効性への洞察を提供する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  雑音 ,  原子価 ,  クラスタ化 ,  *エンドツーエンド方式 ,  利得 ,  深層 ,  有効性 ,  量子化誤差
準シソーラス用語： 長期記憶 ,  離散化 ,  感情認識 ,  感情表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： 双方向長期記憶 ,  連続感情予測 ,  感情認識 ,  関節表現

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： アンサンブル ,  感情 ,  予測