SIGNAL Press.Field notes /
Une édition en mouvement

Une piste à suivre

Deux caractères pour chercher, ou choisissez une destination.

Ctrl/Cmd K ou / pour ouvrir · flèches pour parcourir · Entrée pour choisir · Échap pour fermer

Projets

Renforcement explicable des caractéristiques

Utiliser l’attribution des caractéristiques pour affiner les représentations acoustiques et examiner les décisions du modèle.

Boucle itérative reliant extraction et sélection des caractéristiques acoustiques, entraînement du classifieur, explications SHAP et interprétation, avec rétroaction vers l’itération suivante.
Le renforcement des caractéristiques s’appuie sur l’explication du modèle pour guider la représentation suivante.Alaa Nfissi and coauthors · feature-boosting

Planche de recherche

Le renforcement des caractéristiques s’appuie sur l’explication du modèle pour guider la représentation suivante.

En cours

Les articles d’ICMLA 2023 et d’Applied Intelligence 2024 étudient une boucle itérative de sélection des caractéristiques pour la reconnaissance des émotions vocales. Les valeurs de Shapley guident l’analyse de la pertinence, de la redondance et de la contribution des variables.

Les articles de conférence et de revue conservent leurs propres références et périmètres d’évaluation. Leurs dépôts documentent les implémentations correspondantes.

Axes de recherche

  1. 01

    Programmes de recherche

    Apprentissage interprétable et multimodal

    Comprendre les caractéristiques acoustiques et étudier l’interaction de la voix, du langage et des indices visuels dans la reconnaissance des émotions.

Relations de recherche

  1. Renforcement explicable des caractéristiques documente Unveiling hidden factors: explainable AI for feature boosting in speech emotion recognition.

    Ce dossier rassemble cette étude et les méthodes et logiciels associés.

    Source ↗

  2. Renforcement explicable des caractéristiques documente Iterative Feature Boosting for Explainable Speech Emotion Recognition.

    Ce dossier rassemble cette étude et les méthodes et logiciels associés.

    Source ↗

  3. Apprentissage interprétable et multimodal explore Renforcement explicable des caractéristiques.

    Utiliser l’attribution des caractéristiques pour affiner les représentations acoustiques et examiner les décisions du modèle.

  4. Renforcement explicable des caractéristiques utilise une méthode de Renforcement itératif des caractéristiques par attribution.

    Cette fiche explique les étapes méthodologiques des études rassemblées dans le dossier.

Explorer tous ses liens →

Se connecter pour enregistrer ce document →