Show simple item record

AuthorMeudt, Saschadc.contributor.author
Date of accession2019-06-14T08:33:51Zdc.date.accessioned
Available in OPARU since2019-06-14T08:33:51Zdc.date.available
Year of creation2018dc.date.created
Date of first publication2019-06-14dc.date.issued
AbstractZukünftige technische Systeme werden in Form von Companion-Systemen realisiert sein. Diese können sich hoch adaptiv auf individuelle Bedürfnisse und Befindlichkeiten ihrer Nutzer anpassen und gehen so in ihrem Bedienkomfort weit über die Fähigkeiten gegenwärtiger smarter Technologien hinaus. Zur Realisierung solcher Funktionen werden Companion-Systeme, neben anderen Komponenten, mit einer Vielzahl von Sensoren ausgestattet sein, welche es erlauben den Nutzer multimodal in Sprache, Gestik, Mimik und Biophysiologie zu erfassen. Ein Companion-System ist so in der Lage den emotionalen Zustand seiner Nutzer zu bewerten. Da emotionales Verhalten sehr komplex ist, werden hierfür Verfahren der Mustererkennung und des maschinellen Lernens eingesetzt um multimodale Sensordaten auf emotionale Kategorien und Intensitäten abzubilden. Diese Verfahren Lernen dabei anhand von umfangreichen Trainingsdaten. Die Arbeit beschreibt zunächst Eigenschaften, welche diese Daten erfüllen müssen, um zum Training von multimodalen Klassifikatoren geeignet zu sein. Mit dem uulmMAC wird ein multimodaler Korpus vorgestellt, welcher die notwendigen Eigenschaften erfüllt. Der uulmMAC verwendet dabei neben klassischen kontinuierlichen Emotionsmodellen exemplarisch Mensch-Maschine-Interaktionstypische Elemente wie mentale Über- und Unterforderung oder Frustration. Da solch umfangreiche Datenbasen bisher nur unter enormem Aufwand manuell annotiert werden können, werden multimodale Ansätze des aktiven Lernens vorgeschlagen, um eine effiziente Annotation unter Verwendung des Annotationswerkzeuges ATLAS zu ermöglichen. ATLAS begleitet den Prozess der Entwicklung emotionserkennender Komponenten der Companion-Technologie bei der Annotation, aber auch bereits beim explorativen Traingsdatenentwurf sowie, dem Klassifikatorentwurf, der Evaluation und dem prototypischen Systementwurf. Aufbauend auf dem annotierten uulmMAC werden multimodale Klassifikationsverfahren vorgestellt und evaluiert, welche es ermöglichen den mentalen Belastungszustand eines Nutzers zu erfassen. Diese werden abschließend in prototypische Companion-Systemen eingesetzt, und auf ihre reale Anwendungsfähigkeit hin bewertet. Dabei kommt die, bereits zur sensorischen Datenerfassung des uulmMAC, vorgeschlagene MAR2S Architektur erneut zum Einsatz, um einen vollständig modularen Aufbau der Prototypen zu erlauben.dc.description.abstract
Languagededc.language.iso
PublisherUniversität Ulmdc.publisher
LicenseStandarddc.rights
Link to license texthttps://oparu.uni-ulm.de/xmlui/license_v3dc.rights.uri
KeywordMultimodal pattern recognitiondc.subject
KeywordSensor fusiondc.subject
KeywordData annotationdc.subject
KeywordMultimodal active learningdc.subject
Dewey Decimal GroupDDC 004 / Data processing & computer sciencedc.subject.ddc
LCSHHuman-computer interactiondc.subject.lcsh
LCSHEmotion recognitiondc.subject.lcsh
LCSHMultisensor data fusiondc.subject.lcsh
LCSHMachine learningdc.subject.lcsh
MeSHPattern recognition, physiologicaldc.subject.mesh
TitleMaschinelle Emotionserkennung in der Mensch-Maschine Interaktiondc.title
Resource typeDissertationdc.type
Date of acceptance2019-05-16dcterms.dateAccepted
RefereeSchwenker, Friedhelmdc.contributor.referee
RefereePalm, Güntherdc.contributor.referee
DOIhttp://dx.doi.org/10.18725/OPARU-15022dc.identifier.doi
PPN1667550500dc.identifier.ppn
URNhttp://nbn-resolving.de/urn:nbn:de:bsz:289-oparu-15079-6dc.identifier.urn
GNDMensch-Maschine-Kommunikationdc.subject.gnd
GNDMultimodales Systemdc.subject.gnd
GNDVirtueller Sensordc.subject.gnd
GNDMaschinelles Lernendc.subject.gnd
FacultyFakultät für Ingenieurwissenschaften, Informatik und Psychologieuulm.affiliationGeneral
InstitutionInstitut für Neuroinformatikuulm.affiliationSpecific
Grantor of degreeFakultät für Ingenieurwissenschaften, Informatik und Psychologieuulm.thesisGrantor
DCMI TypeTextuulm.typeDCMI
CategoryPublikationenuulm.category
Bibliographyuulmuulm.bibliographie


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record