半教師付き連合学習によるプライバシー保護音声感情認識【JST・京大機械翻訳】

Tsouvalas Vasileios; Ozcelebi Tanir; Meratnia Nirvana

プレプリント

J-GLOBAL ID：202202202179888030 整理番号：22P0285223

半教師付き連合学習によるプライバシー保護音声感情認識【JST・京大機械翻訳】

Privacy-preserving Speech Emotion Recognition through Semi-Supervised Federated Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月05日プレプリントサーバーでの情報更新日： 2022年02月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

音声感情認識(SER)は,自然音声からの人間の感情の認識に言及する。正確に行うならば,それは人間中心コンテキスト意識インテリジェントシステムを構築する際に多くの利点を提供できる。既存のSERアプローチは,ユーザのプライバシーを考慮せずに,主に集中している。連合学習(FL)はプライバシー感受性個人データの分散を扱う分散機械学習パラダイムである。本論文では,FLの概念を利用してプライバシー保護とデータ効率の良いSERアプローチを示した。知る限りでは,これは,ラベル付きおよびラベルなしオンデバイスデータの両方を利用するために,連合学習と組み合わせた自己訓練学習を利用する最初の連合SERアプローチである。IEMOCAPデータセットに関する著者らの実験的評価は,著者らの連合アプローチが,データラベルの低いアベイラビリティと高度に非i.i.d.分布の下でさえ,一般化可能なSERモデルを学習できることを示した。著者らは,平均で10%のラベル付けされたデータによる著者らのアプローチが,完全に監督された連合された対応物と比較して,8.67%の認識率を改善できることを示す。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 応用心理学

, , ,

前のページに戻る