GPT4 會你也會 - 共融機器人的多模態互動式情感分析

徐華 著

  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-1
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-2
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-3
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-4
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-5
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-6
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-7
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-8
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-9
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-10
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-11
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-12
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-13
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-14
  • GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-15
GPT4 會你也會 - 共融機器人的多模態互動式情感分析-preview-1

買這商品的人也買了...

相關主題

商品描述

本書共有六篇

 

第一篇

1章到第3章介紹了多模態情感分析相關研究概述、多模態機器學習以及多工學習機制在不同領域的應用。

 

第二篇

介紹了多模態情感分析的資料集和前置處理方法,包括資料集簡介和基於主動學習的自動標定方法。

 

第三篇

討論了以文字、語音和人臉為基礎的單模態情感分析方法。

 

第四篇

介紹了跨模態資訊的情感分析,包括跨模態特徵表示、多層次資訊互補的融合方法、生成式多工網路的情緒辨識方法以及面向對齊和非對齊序列的跨模態情感分類方法。

 

第五篇

討論了多模態資訊的情感分析,包括基於多工學習和自監督學習的多模態情感分析模型,以及基於交叉模組和變數相關性的多工學習方法。

 

第六篇

介紹了多視角學習和遷移學習為基礎的多模態情感分析模型,並介紹了基於生成對抗網絡的情感分析模型。以上總結了各章節的概述和主要內容。

 

深入探討了智慧服務機器人領域中的共融機器人,即機器人與人、機器人與環境、機器人之間自然互動共融的應用。機器人與人之間的自然互動能力是關鍵技術之一,包括人機對話、多模態情感感知和人機協作。要具備情感感知能力,機器人必須具備多模態情感辨識能力,並針對多模態情感資訊的特徵表示、特徵融合和情感分類進行研究。本書內容包括了深度學習模型的人臉情感特徵辨識、多模態情感資訊的學習表示和多模態情感特徵的融合,是智慧型機器人自然互動、自然語言處理和人機互動等領域的重要參考。

作者簡介

徐華博士2003年畢業於清華大學計算機科學與技術學系,現為清華大學計算機科學與技術系終身教職副教授,博士生導師。從事多模態智慧訊息處理、智慧最佳化和共融機器人智能控制等研究工作。

擔任愛思唯爾(Elsevier)開放期刊Intelligent Systems with Applications首任主編,權威期刊Expert Systems with Applications副主編。

目前已在本專業領域國際權威期刊和AAAIACLACM MM等頂級會議上發表學術論文100餘篇。

目錄大綱

第一篇概述

 

1章多模態情感分析概述

1.1多模態情感分析相關研究概述

1.2模態缺失相關研究概述

1.3本章小結

 

2章多模態機器學習概述

2.1多模態表示學習概述

2.2多模態表示融合概述

2.3本章小結

 

3章多工學習機制概述

3.1在電腦視覺中的多工架構

3.2在自然語言處理中的多工架構

3.3在多模態學習中的多工架構

3.4本章小結

 

第二篇多模態情感分析資料集與前置處理

 

4章多模態情感分析資料集簡介

4.1CMU-MOSI

4.2CMU-MOSEI

4.3IEMOCAP

4.4MELD

4.5本章小結

 

5章多模態多標籤情感分析資料集建構

5.1概述

5.2多模態多標籤的中文情感分析資料集製作

5.3本章小結

 

6章以主動學習為基礎的多模態情感分析資料的自動標定

6.1相關工作

6.2研究方法

6.3實驗設定

6.4結果分析

6.5本章小結

 

第三篇單模態資訊的情感分析

 

7章以文字為基礎的情感分析

7.1以情感詞典為基礎的情感分析方法

7.2以深度學習為基礎的情感分析方法

7.3本章小結

 

8章以語音資訊為基礎的情感分析

8.1Constant-Q色譜圖為基礎的音訊情感分類

8.2以異質特徵融合為基礎的音訊情感分類

8.3本章小結

 

9章以人臉關鍵點為基礎的圖片情感分析

9.1 CMCNN

9.2實驗設定

9.3實驗結果和分析

9.4本章小結

 

第四篇跨模態資訊的情感分析

 

10章跨模態特徵表示方法

10.1文字模態特徵表示方法

10.2音訊模態特徵表示方法

10.3實驗與分析

10.4不足和展望

10.5本章小結

 

11章以多層次資訊互補為基礎的融合方法

11.1方法

11.2實驗與分析

11.3不足與展望

11.4本章小結

 

12章生成式多工網路的情緒辨識

12.1方法

12.2實驗與分析

12.3不足與展望

12.4本章小結

 

13章面向非對齊序列的跨模態情感分類

13.1 SA-FRLM

13.2實驗與分析

13.3不足與展望

13.4本章小結

 

14章面向對齊序列的跨模態情感分類

14.1問題定義

14.2音訊特徵取出與對齊

14.3 CM-BERT模型

14.4實驗與分析

14.5不足與展望

14.6本章小結

 

第五篇多模態資訊的情感分析

 

15章以多工學習為基礎的多模態情感分析模型

15.1以多工學習為基礎的多模態情感分析模型概述

15.2實驗設定和結果分析

15.3本章小結

 

16章以自監督學習為基礎的多工多模態情感分析模型

16.1以自監督學習為基礎的單模態偽標籤生成模型

16.2實驗設定和結果分析

16.3本章小結

 

17章以交叉模組和變數相關性為基礎的多工學習

17.1概述

17.2權值共用層框架

17.3多工學習層框架

17.4多工學習演算法實驗

17.5本章小結

 

18章以互斥損失函數為基礎的多工機制研究

18.1概述

18.2常用損失函數

18.3以多工機制為基礎的互斥損失函數

18.4損失函數策略對比實驗

18.5本章小結

 

19章以多工多模態演算法為基礎的遷移學習探究

19.1概述

19.2遷移學習概述

19.3遷移資料集

19.4遷移實驗

19.5本章小結

 

20章以模態缺失為基礎的多模態情感分析方法

20.1任務定義

20.2處理資料缺失方法概述

20.3模型的框架結構

20.4實驗

20.5實驗分析

20.6本章小結

 

第六篇多模態情感分析平臺及應用

 

21章多模態情感分析實驗平臺簡介

21.1概述

21.2平臺概覽

21.3資料端

21.4模型端

21.5分析端

21.6實驗評價

21.7本章小結

 

22章擴充應用:以多模態臨床特徵表示與融合為基礎的點對點中醫體質

評價系統

22.1概述

22.2中醫體質評價系統

22.3方法

22.4實驗

22.5本章小結

 

參考文獻

附錄A中英文縮寫對照表237