文献

J-GLOBAL ID：201702288750118558   整理番号：17A0379383

2D連続空間を用いた感情認識のためのマルチタスク学習フレームワーク【Powered by NICT】

A Multi-Task Learning Framework for Emotion Recognition Using 2D Continuous Space

著者 (2件)： Xia Rui (Department of Computer Science, The University of Texas at Dallas, TX) ,  Liu Yang (Department of Computer Science, The University of Texas at Dallas, TX)
資料名： IEEE Transactions on Affective Computing  (IEEE Transactions on Affective Computing)
巻： 8  号： 1  ページ： 3-14  発行年： 2017年 
JST資料番号： W2423A  ISSN： 1949-3045  資料種別： 逐次刊行物 (A)
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： 次元モデルは,複雑な人間の感情表現を表現するために心理学研究で提案されている。活性化と原子価は,そのようなモデルの二種類の一般的な寸法である。特定の感情を記述するために使用できる。例えば,怒りは低原子価と高い活性化値と感情の一種である中性は中レベル原子価と活性化値の両方を持っている。本研究では,深層信念ネットワーク(DBN)フレームワークに基づく音響感情認識のための活性化と価電子情報を活用するためのマルチタスク学習を適用することを提案した。主要課題としてカテゴリー感情認識タスクを扱った。二次タスクのために,二つの異なる方法で活性化と原子価ラベルを獲得し,カテゴリーレベルに基づく分類と連続レベルに基づく回帰。主要及び二次タスクから損失関数の組み合わせは,マルチタスク学習フレームワークにおける目的関数として使用されている。反復最適化後,DBNの最終隠れ層からの値は,新しい特徴として使用し,感情認識のためのサポートベクトルマシン分類器に入力する。ノンバーバル発現データベースを用いた対話型感情ダイアディックモーションキャプチャと持続的感情的着色機械ヒト相互作用に関する著者らの実験結果は,単純精度に有意な改善を示し,感情認識のためのマルチタスク学習セットアップの付加的情報を利用することの利点を明らかにした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 着色 ,  目的関数 ,  ヒト ,  最適化 ,  データベース ,  価電子 ,  損失関数 ,  *原子価 ,  サポートベクトルマシン
準シソーラス用語： 対話型 ,  信念ネットワーク ,  怒り ,  感情表現 ,  *マルチタスク学習 ,  *感情認識 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 2D ,  感情認識 ,  マルチタスク学習 ,  フレームワーク