Can We Ditch Feature Engineering? End-to-End Deep Learning for Affect Recognition from Physiological Sensor Data.

Dziezyc, Maciej; Gjoreski, Martin; Kazienko, Przemyslaw; Saganowski, Stanislaw; Gams, Matjaz

Dziezyc, Maciej; Gjoreski, Martin; Kazienko, Przemyslaw; Saganowski, Stanislaw; Gams, Matjaz.

Afiliación

Dziezyc M; Department of Computational Intelligence, Wroclaw University of Science and Technology, 50-370 Wroclaw, Poland.
Gjoreski M; Faculty of Computer Science and Management, Wroclaw University of Science and Technology, 50-370 Wroclaw, Poland.
Kazienko P; Jozef Stefan Institute, 1000 Ljubljana, Slovenia.
Saganowski S; Jozef Stefan Postgraduate School, 1000 Ljubljana, Slovenia.
Gams M; Department of Computational Intelligence, Wroclaw University of Science and Technology, 50-370 Wroclaw, Poland.

Sensors (Basel) ; 20(22)2020 Nov 16.

Article en En | MEDLINE | ID: mdl-33207564

Asunto(s)

Afecto; Aprendizaje Profundo; Emociones; Monitoreo Fisiológico; Teorema de Bayes; Frecuencia Cardíaca; Humanos; Reconocimiento de Normas Patrones Automatizadas

Palabras clave

affect recognition; deep learning; emotion recognition; end-to-end machine learning; multimodal deep learning; personal sensors; physiological signals; stress detection; wearables

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Afecto / Emociones / Aprendizaje Profundo / Monitoreo Fisiológico Tipo de estudio: Prognostic_studies Límite: Humans Idioma: En Revista: Sensors (Basel) Año: 2020 Tipo del documento: Article País de afiliación: Polonia Pais de publicación: Suiza

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google