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。
最近の研究は,うつ病がヒトの顔属性から部分的に反映できることを示した。顔属性は様々なデータ構造を持ち,異なる情報を運ぶので,既存の手法は,それらの各々から鬱病関連特徴を抽出するための最適方法を特に考慮できず,また最良の融合戦略を調査する。本論文では,複数の顔属性ベースの鬱病認識のための最適モデルを設計するための,ニューラルアーキテクチャ探索(NAS)技術を拡張し,小さなデータセットで効率的かつロバストに実装できる。提案アプローチは,まず,探索空間を大幅に削減し,各特徴抽出器が畳込みニューラルネットワーク(CNN)またはグラフニューラルネットワーク(GNN)のいずれかであるようなカスタム化アーキテクチャを提供することを目的として,各顔属性の特徴抽出器に,より暖かいステップを行う。次に,すべての特徴抽出器と融合ネットワークのためにエンドツーエンドアーキテクチャ検索を行い,相補的な抑圧手がかりをより少ない冗長性と最適に組み合わせることを可能にした。AVEC2016データセットに関する実験結果は,著者らのアプローチによって探究されたモデルが,既存の最先端技術に関して27%と30%のRMSEとMAE改良によってブレークスルー性能を達成することを示した。これらの知見を踏まえて,本論文は,時系列データベースの精神衛生分析にNASを適用するための固体証拠と強いベースラインを提供する。【JST・京大機械翻訳】