抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】