自閉症の音声マーカー:機械学習モデルの一般化可能性の評価【JST・京大機械翻訳】

Rybner, A.; Jessen, E. T.; Mortensen, M. D.; Larsen, S. N.; Grossman, R.; Bilenberg, N.; Cantio, C.; Jepsen, J. R. M.; Weed, E.; Simonsen, A.; Fusaroli, R.

プレプリント

J-GLOBAL ID：202202209034344893 整理番号：21P0273396

自閉症の音声マーカー:機械学習モデルの一般化可能性の評価【JST・京大機械翻訳】

Vocal markers of autism: assessing the generalizability of machine learning models

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 (11件)： , , , , , , , , , ,
資料名：
発行年： 2022年02月17日プレプリントサーバーでの情報更新日： 2022年02月17日
JST資料番号： O7001B 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)

機械学習(ML)アプローチは,自閉症の声帯マーカーを同定する能力において有望な増加を示す。それにもかかわらず,そのようなマーカーが,例えば,異なる音声タスクまたは異なる言語を用いて,例えば,収集した新しい音声サンプルにどの程度一般化するかは不明である。本論文では,様々なコンテキストにわたるML発見の一般化可能性を系統的に評価した。交差検証訓練とアンサンブルモデルを含む過剰適合を最小化するために,厳密なパイプラインに従う新しい交差言語データセット上の自閉症の声帯マーカーの有望な公表MLモデルを訓練した。著者らは,同じ研究から異なる参加者に関してそれらをテストすることによって,モデルの一般化可能性をテストして,同じ作業を実行した。ii)同じ参加者は,異なる(しかし類似の)タスクを実行する;iii)参加者による異なる研究は,同じタイプのタスクを実行する異なる言語を話す。モデル性能は,同じ研究(サンプル外性能)からのデータで訓練され,テストされたとき,以前に発表された知見と類似しているが,研究の間にかなりの分散がある。基本的には,モデルは,類似,タスク,および新しい言語とは異なっていないが,異なるものにはよく一般化しない。MLパイプラインはオープンに共有されている。自閉症の声帯マーカーのMLモデルの一般化可能性は問題である。戦略研究者の3つの推奨事項を,一般化可能性についてより明示的にし,将来の研究で改善することができる。LAY SUMMARYMachine学習手法は,音声のみから自閉症を同定することができる。これらのモデルは,どの言語が用いられるか,どのように多様な言語が使われるか,そして,どのように多様な自閉症音声が,どのように異なるかを過小評価する。機械学習アプローチは,それらの限界と一般化可能性を定義するのに,より注意深い必要がある。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, , , , , , ,

前のページに戻る