affective states | BriefGPT

关键词affective states

搜索结果 - 8

检测学习者参与度的通用模型：实施与评估
考虑到学习者参与可以对学习者和教师带来共同的利益，本文提出了一个通用的轻量级模型，以选择和处理特征来检测学习者的参与度，同时保留随时间变化的顺序时序关系。通过分析公开可用的 DAiSEE 数据集中的视频，该模型能够捕捉学习者参与度的动态本质
PDF2 months ago
使用 fNIRs 和机器学习的情绪状态检测
本研究旨在利用生理数据检测情感状态，通过功能近红外光谱法，并使用机器学习进行分类，结果显示针对冥想、娱乐和认知负荷三种情感状态的研究中，个体模型的平均准确率为 83.04%，群体模型的准确率为 84.39%，而个体无关模型的准确率为 60.
PDF4 months ago
一个利用 Wasserstein 距离减少情感计算中受主体影响噪声的新型损失函数
我们提出了一种利用深度学习和新型代价函数来检测情绪状态的方法，该代价函数利用了 Optimal Transport Theory 中的 Wasserstein Distance 来缩放个体相关数据的重要性，从而提高对所有参与者共同的数据模式
PDFa year ago
评估应用于婴儿情感识别的时间模式
本研究探讨了影响婴儿情绪识别准确度的因素，并证明在处理时间和数据缺失方面，采用多模态模型（脸部和身体特征）胜过单模态模型（仅脸部特征）以实现持续情绪识别。
PDF2 years ago
探究基于语音的人机交互中通讯故障下的困惑和情感状态
本文通过两项研究来理解用户在语音人机交互过程中的情感状态，尤其关注通信错误或失败时的混乱状态，并探讨其与其他情感状态的关系。通过收集音视频数据和参与者的自我报告，研究分析了与语音虚拟代理交流和非交流相关的问题解决任务。第一项研究基于注释者的
PDF2 years ago
面向自闭症治疗中机器人情感和参与感感知的个性化机器学习
使用个性化的机器学习框架，利用深度学习的先进技术对自闭症儿童的情感状态和参与度进行自动感知，进而在机器人辅助自闭症治疗中提供更高效的监测和总结治疗进展的潜力。
PDF6 years ago
DAiSEE: 野外用户参与度识别
DAiSEE 是第一个包含 9068 个视频片段和 112 个用户的多标签视频分类数据集，用于识别烦恼、困惑、参与和挫败用户情感状态，具有四个级别的标签。提供了基准结果和用于相关任务的合适机器学习方法的发展。
PDF8 years ago
愉快的软件开发者更擅长解决问题：经验性软件工程中的心理测量
该研究报告调查了 42 名软件开发人员的情绪、创造力和分析问题解决能力之间的关系，并支持了 “快乐开发者更擅长分析问题解决” 的说法。该研究提供了更好地理解情绪状态对软件开发人员创造力和分析问题解决能力的影响，并引入和验证了关于情感状态、创
PDF9 years ago