1,720,983 research outputs found
Reconocimiento de Estados Afectivos a partir de Señales Biomédicas
Get PDFLas emociones constituyen una parte fundamental de los individuos, influyendo en sucomunicación diaria, la toma de decisiones y el foco de atención. La incorporación de las emociones en la tecnología ha avanzado en losúltimos años, desde estudios exploratorios en la respuesta a los estímulos, a aplicaciones comerciales en interfaces hombre-máquina. Una de las fuentes paraidentificar estados emocionales es la respuesta fisiológica, registrada medianteseñales biomédicas. El uso de estas señales permitiría el desarrollo de dispositivos poco invasivos, como por ejemplo una pulsera, que puedan registrarseñales continuamente, en diferentes condiciones, y manteniendo la privacidad delos usuarios. Existen numerosos enfoques para el reconocimiento de afectos, condiferentes señales, técnicas de procesamiento de la señal y métodos deaprendizaje automático. Entre ellos, la combinación demúltiples señales se utilizó ampliamente para mejorar las tasas de reconocimiento,pero resulta inviable en la práctica por su invasividad. Los desafíosactuales requieren clasificadores que puedan funcionar en tiempo real, enaplicaciones interactivas, y con mayor comodidad para el usuario. En esta tesis doctoral se aborda el desafío del reconocimiento de estadosafectivos en varios aspectos. Se revisan las propiedades de cada señalfisiológica en términos de su practicidad y potencial. Se propone un método paraadaptar un clasificador a nuevos usuarios, estimando parámetros fisiológicosbasales. Luego se presentan dos métodos originales paramejorar las tasas de reconocimiento. El primero es un método supervisado basadoen mapas auto-organizativos (sSOM). Este método permite representar los espacios de características fisiológicas ymodelos emocionales, para analizar las relaciones en los datos. El otro estabasado en máquinas de aprendizaje extremo (ELM),una novedosa familia de redes neuronales artificiales que tiene gran poder degeneralización y puede entrenarse con pocos datos. Los métodos fueron evaluados y comparados con los del estadodel arte, en corpus realistas y de acceso libre. Los resultados obtenidos muestran avances en relación al estado del arte para el problema. Elmétodo de adaptación permite, a partir de pocos segundos,mejorar las tasas de reconocimiento en tiempo real, aproximando los resultados delreconocimiento que se podría hacer con posterioridad, sobre los registros completos. Utilizando una única señal de actividad cardiovascular, en particularla variabilidad del ritmo cardíaco (HRV), se lograron avances prometedores, con diferencias significativasen relación a los resultados obtenidos por los métodos del estado del arte. LasELM obtuvieron excelentes resultados y con bajo costo computacional, por lo queserían útiles para aplicaciones móviles. El sSOMlogra resultados similares, con la ventaja de proveer a la vez una herramientapara representar y analizar los espacios complejos de la fisiología y lasemociones, en una forma compacta.Fil: Bugnon, Leandro Ariel. Universidad Nacional del Litoral; Argentin
Affective states recognition from biomedical signals
No full textFil: Bugnon, Leandro Ariel. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.Emotion is a fundamental part of our daily life. One of the sources to detect emotions is the physiological responses. These signals have the potential for the development of minimally invasive devices, such as a wristband, that can record signals continuously, and maintaining the privacy of users. The current challenges require classifiers that can work in real time, using lowly invasive sensors. In this thesis, the properties of each physiological signal are reviewed in terms of the potential and invasiveness. A method is proposed to adapt a classifier to new users. Then two original methods are presented to improve recognition rates. The first is a supervised method based on self-organizing maps (sSOM). This method allows to represent the spaces of physiological features and emotional models. The other is based on extreme learning machines (ELM), a novel family of artificial neural networks that use random projections of features. The methods were evaluated and compared with those of the state-of-the-art, in realistic and freely accessible corpus. Results show significant progress in relation to the task state-of-the-art methods. The adaptation method makes possible to improve the online recognition rates by using a few seconds of each session, achieving performance rates closer to offline recognition rates. Using only the the heart rate variability (HRV), significant improvements were obtained in emotion recognition. The ELM achieved excellent results, with a low computational cost and good generalization. The sSOM achieves similar results, while providing a tool to represent and analyze complex spaces of physiology and emotions.Las emociones constituyen una parte fundamental en la vida diaria. Mediante señales biomédicas se puedan identificar emociones continuamente, manteniendo la privacidad de los usuarios. Los desafı́os actuales requieren clasificadores que puedan funcionar en tiempo real y con baja invasividad para el usuario. En esta tesis se analizan las señales fisiológicas en términos de su practicidad y potencial. Se propone un método para adaptar un clasificador a nuevos usuarios. Luego se presentan dos métodos originales para mejorar las tasas de reconocimiento. El primero es un método supervisado basado en mapas auto-organizativos (sSOM). Este método permite representar los espacios de caracterı́sticas fisiológicas y modelos emocionales. El otro está basado en máquinas de aprendizaje extremo (ELM), una novedosa familia de redes neuronales artificiales que tiene gran poder de generalización. Los métodos fueron evaluados y comparados con los del estado del arte, en corpus realistas y de acceso libre. Los resultados obtenidos muestran avances en relación al estado del arte. El método de adaptación permite, a partir de pocos segundos, mejorar las tasas de reconocimiento en tiempo real. Utilizando una única señal de actividad cardiovascular, en particular la variabilidad del ritmo cardı́aco (HRV), se lograron avances prometedores, con diferencias significativas en relación a los resultados obtenidos por los métodos del estado del arte. Las ELM obtuvieron excelentes resultados y con bajo costo computacional. El sSOM logra resultados similares, siendo a la vez una herramienta para representar y analizar los espacios complejos de la fisiologı́a y las emociones, en una forma compacta.Consejo Nacional de Investigaciones Científicas y Técnica
Dimensional Affect Recognition from HRV: an Approach Based on Supervised SOM and ELM
Get PDFDimensional affect recognition is a challenging topic and current techniques do not yet provide the accuracy necessary for HCI applications. In this work we propose two new methods. The first is a novel self-organizing model that learns from similarity between features and affects. This method produces a graphical representation of the multidimensional data which may assist the expert analysis. The second method uses extreme learning machines, an emerging artificial neural network model. Aiming for minimum intrusiveness, we use only the heart rate variability, which can be recorded using a small set of sensors. The methods were validated with two datasets. The first is composed of 16 sessions with different participants and was used to evaluate the models in a classification task. The second one was the publicly available Remote Collaborative and Affective Interaction (RECOLA) dataset, which was used for dimensional affect estimation. The performance evaluation used the kappa score, unweighted average recall and the concordance correlation coefficient. The concordance coefficient on the RECOLA test partition was 0.421 in arousal and 0.321 in valence. Results shows that our models outperform state-of-the-art models on the same data and provides new ways to analyze affective states.Fil: Bugnon, Leandro Ariel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; ArgentinaFil: Calvo, Rafael. University of Sydney; Australia. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Milone, Diego Humberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentin
Affective states recognition from biomedical signals
No full textFil: Bugnon, Leandro Ariel. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.Emotion is a fundamental part of our daily life. One of the sources to detect emotions is the physiological responses. These signals have the potential for the development of minimally invasive devices, such as a wristband, that can record signals continuously, and maintaining the privacy of users. The current challenges require classifiers that can work in real time, using lowly invasive sensors. In this thesis, the properties of each physiological signal are reviewed in terms of the potential and invasiveness. A method is proposed to adapt a classifier to new users. Then two original methods are presented to improve recognition rates. The first is a supervised method based on self-organizing maps (sSOM). This method allows to represent the spaces of physiological features and emotional models. The other is based on extreme learning machines (ELM), a novel family of artificial neural networks that use random projections of features. The methods were evaluated and compared with those of the state-of-the-art, in realistic and freely accessible corpus. Results show significant progress in relation to the task state-of-the-art methods. The adaptation method makes possible to improve the online recognition rates by using a few seconds of each session, achieving performance rates closer to offline recognition rates. Using only the the heart rate variability (HRV), significant improvements were obtained in emotion recognition. The ELM achieved excellent results, with a low computational cost and good generalization. The sSOM achieves similar results, while providing a tool to represent and analyze complex spaces of physiology and emotions.Las emociones constituyen una parte fundamental en la vida diaria. Mediante señales biomédicas se puedan identificar emociones continuamente, manteniendo la privacidad de los usuarios. Los desafı́os actuales requieren clasificadores que puedan funcionar en tiempo real y con baja invasividad para el usuario. En esta tesis se analizan las señales fisiológicas en términos de su practicidad y potencial. Se propone un método para adaptar un clasificador a nuevos usuarios. Luego se presentan dos métodos originales para mejorar las tasas de reconocimiento. El primero es un método supervisado basado en mapas auto-organizativos (sSOM). Este método permite representar los espacios de caracterı́sticas fisiológicas y modelos emocionales. El otro está basado en máquinas de aprendizaje extremo (ELM), una novedosa familia de redes neuronales artificiales que tiene gran poder de generalización. Los métodos fueron evaluados y comparados con los del estado del arte, en corpus realistas y de acceso libre. Los resultados obtenidos muestran avances en relación al estado del arte. El método de adaptación permite, a partir de pocos segundos, mejorar las tasas de reconocimiento en tiempo real. Utilizando una única señal de actividad cardiovascular, en particular la variabilidad del ritmo cardı́aco (HRV), se lograron avances prometedores, con diferencias significativas en relación a los resultados obtenidos por los métodos del estado del arte. Las ELM obtuvieron excelentes resultados y con bajo costo computacional. El sSOM logra resultados similares, siendo a la vez una herramienta para representar y analizar los espacios complejos de la fisiologı́a y las emociones, en una forma compacta.Consejo Nacional de Investigaciones Científicas y Técnica
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
MiRe2e: A full end-to-end deep model based on transformers for prediction of pre-miRNAs
No full textMotivation: MicroRNAs (miRNAs) are small RNA sequences with key roles in the regulation of gene expression at post-transcriptional level in different species. Accurate prediction of novel miRNAs is needed due to their importance in many biological processes and their associations with complicated diseases in humans. Many machine learning approaches were proposed in the last decade for this purpose, but requiring handcrafted features extraction to identify possible de novo miRNAs. More recently, the emergence of deep learning (DL) has allowed the automatic feature extraction, learning relevant representations by themselves. However, the state-of-art deep models require complex pre-processing of the input sequences and prediction of their secondary structure to reach an acceptable performance. Results: In this work, we present miRe2e, the first full end-to-end DL model for pre-miRNA prediction. This model is based on Transformers, a neural architecture that uses attention mechanisms to infer global dependencies between inputs and outputs. It is capable of receiving the raw genome-wide data as input, without any pre-processing nor feature engineering. After a training stage with known pre-miRNAs, hairpin and non-harpin sequences, it can identify all the pre-miRNA sequences within a genome. The model has been validated through several experimental setups using the human genome, and it was compared with state-of-the-art algorithms obtaining 10 times better performance.Fil: Raad, Jonathan. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; ArgentinaFil: Bugnon, Leandro Ariel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; ArgentinaFil: Milone, Diego Humberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; ArgentinaFil: Stegmayer, Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentin
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Clasificación de los dígitos escritos en los telegramas de las elecciones legislativas en Santa Fe mediante técnicas de adaptación de dominio
No full textTesis de Maestría en Explotación de Datos y Gestión del Conocimiento 2023. Universidad Austral, Facultad de Ciencias Empresariales; Sede Rosario.Clasificación de los dígitos escritos en los telegramas de las elecciones
legislativas en Santa Fe mediante técnicas de adaptación de dominio
En Argentina, las elecciones se realizan cada 2 años, excepto las presidenciales
que ocurren cada 4 años. El proceso de conteo de votos en los centros
de cómputo requiere una cantidad considerable de personal para ser eficiente
y rápido. Para abordar este desafío, se propone la digitalización automática
de los telegramas de votación. Sin embargo, la clasificación de dígitos manuscritos
presenta dificultades debido a la variabilidad en la escritura de los
mismos y el sesgo existente en los conjuntos de datos disponibles.
A lo largo de la tesis, se entrenaron modelos de reconocimiento de dígitos
que son robustos frente a los cambios en los datos mediante la adaptación
de dominio. Se utilizaron los telegramas oficiales de las elecciones legislativas
de Santa Fe en 2021 para construir un conjunto de datos y se realizaron
experimentos junto a otro conjunto de datos público de dígitos. Se probaron
redes neuronales LeNet5 y ResNet18 entrenadas mediante las siguientes
técnicas de adaptación de dominio: red neuronal adversaria de dominio,
adaptación de dominio adversaria discriminativa, penalización espectral en
lotes, discrepancia de disparidad de margen y normalización de características
adaptativa. El objetivo es encontrar el modelo más resistente al sesgo y
que mejor generalice en diversos contextos.
El mejor modelo obtenido es una ResNet18 con normalización de características
adaptativa, que logra clasificar de manera robusta los dígitos en
las elecciones estudiadas mediante la adaptación de dominio. Los resultados
obtenidos tienen implicaciones importantes en la automatización de los procesos
electorales, mejorando la eficiencia y transparencia de las elecciones. La
digitalización efectiva de los telegramas permite acelerar y precisar el conteo
de votos, reduciendo la posibilidad de errores humanos y aumentando la
confianza en los procesos electorales.Fil: Lianza, Franco. Universidad Austral. Facultad de Ciencias Empresariales; Argentin
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
- …
