Oct, 2022

双重过程知觉中情绪价值的自由能模型

PDF
TL;DR提出了一个新的数学框架来解释情绪和人类双重认知中的唤起潜力变化之间的关系，以及从自动到控制过程中的情绪体验，其中贝叶斯先验的变化导致自由能的变化，而自由能的减少使得产生积极情绪，自由能的增加则会导致负面情绪，该数学模型为预测和调控双重过程中的情感价值提供了理论框架。
发现论文，激发创造
  • 情绪环模型中的自由能

    通过将情感映射到价值和唤起的二维谱上，本文采用情感的环形模型，利用主观 free energy 变化来推断唤起和价值信号，并通过先验和物体存在的操纵展示了情感状态的常识性变化。

    Jul, 2024

  • 基于贝叶斯信息增益的认知情绪激发潜力建模：由自由能波动驱动的查询循环

    通过应用高斯生成模型，本研究发现 KLD 和 BS 形成一个随着惊异（最小化自由能和预测误差）的上凸函数，类似于 Berlyne 的激活潜力函数或 Wundt 曲线，从而提出了一种用于解释 Wundt 曲线的信息增益函数的数学框架，并提出了一种由认知情绪驱动的理想调查过程。

    Dec, 2023

  • 通过细粒度评估条件情感自然语言生成事件描述

    通过加入评估变量作为条件，在生成框架中包含评价理论能够提高情感文本生成的准确性，并使用户可以实现更加精细的控制生成的文本。

    Jul, 2023

  • 情感过程：用于情感和面部表情识别的时间上下文随机建模

    该研究提出了一种基于神经过程的方法，使用全局潜在变量模型的概率性语境表示与任务特定预测结合，智能地选择时间上下文，并在四个数据库上进行验证，在情感识别等方面取得了比强基线和现有方法更为一致的进步。

    Mar, 2021

  • 一种多任务学习与生成框架：情感价值 - 唤起度、动作单位和基本表情

    本论文针对情感分析的各个领域进行了研究，提出了基于神经网络的多任务学习方法，该方法有效地应用于 Aff-Wild 情感数据库的新注释部分并实现了良好的性能。

    Nov, 2018

  • 期望自由能的重新框架：四种表述和一个统一

    通过对单个根期望自由能定义的问题进行形式化，本文研究了两个设置，其中每个设置都有其自己的根期望自由能定义。在第一个设置中，尚未提出任何关于期望自由能的正当化，但所有公式都可以从中恢复出来。然而，在这个设置中，代理不能对观测进行任意先验偏好，只有与生成模型的似然映射相兼容的观测先验偏好的有限类才能赋予。在第二个设置中，已经知道根期望自由能定义的正当化，但该设置仅涵盖两种表达方式，即风险加上不确定性和熵加期望能量的表达方式。

    Feb, 2024

  • 行动和感知的自由能原理：一个数学回顾

    本文介绍了自由能原理在大脑科学中的应用，结合视知觉、机器学习以及统计热力学等领域的理论，提供了一种生物学上可行的自由能实现方案的数学评估及其物理结构，旨在揭示自由能原理实现方案对大脑科学的重要性。

    May, 2017

  • 融合视觉、生理和词汇信息的多层多模态隐含狄利克雷分配用于情绪概念形成的研究

    通过建构情绪理论建立多层多模潜在狄利克雷分配模型来解释情绪概念的形成过程，并验证了该模型对主观人类情绪匹配度和未知信息预测的有效性。

    Apr, 2024

  • 通过多模态测量探索认知负荷和情绪激发的动态相互作用：瞳孔直径与情绪激发在情感参与任务中的相关性

    通过多模态数据分析和基于最先进的传感器技术（如眼动跟踪和面部行为编码系统）的数据验证，教育研究人员可以研究多方面的学习和问题解决过程，以及改善教育经验。本研究旨在调查两种连续传感器流（瞳孔直径作为认知负荷指标和基于深度学习的面部行为编码系统作为情绪激活指标）之间的相关性，并分析情绪激活和瞳孔直径数据之间的时间延迟。结果显示情绪激活和瞳孔直径数据之间存在负相关，相关性仅在高情绪激活阶段为负相关，而在中等或低情绪激活阶段存在正相关但不显著。未来研究应考虑情绪调节策略和情感价值。

    Mar, 2024

  • 认知架构中的情感：与人类情感交互中的新兴属性

    本文介绍如何在计算认知结构中表达情感，并着重讨论了情感新兴属性方面的相互作用研究，得出使用认知式人机交互方法能准确表达人类内部状态和过程的优势结论。

    Dec, 2022