Buchumschlag

An Interactive Human-Machine Learning Interface for Collecting and Learning from Complex Annotations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Erskine, Jonathan, Clifford, Matt, Hepburn, Alexander, Santos-Rodríguez, Raúl
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Human-Computer Interaction
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Investigating Labeler Bias in Face Annotation for Machine Learning
von: Haliburton, Luke, et al.
Veröffentlicht: (2023)

Learning Confidence Bounds for Classification with Imbalanced Data
von: Clifford, Matt, et al.
Veröffentlicht: (2024)

Efficient Online Crowdsourcing with Complex Annotations
von: Meir, Reshef, et al.
Veröffentlicht: (2024)

Thelxinoë: Recognizing Human Emotions Using Pupillometry and Machine Learning
von: Barker, Darlene, et al.
Veröffentlicht: (2024)

Emotion-Aware Interaction Design in Intelligent User Interface Using Multi-Modal Deep Learning
von: Duan, Shiyu, et al.
Veröffentlicht: (2024)

Dynamic User Interface Generation for Enhanced Human-Computer Interaction Using Variational Autoencoders
von: Zhang, Runsheng, et al.
Veröffentlicht: (2024)

A Matter of Annotation: An Empirical Study on In Situ and Self-Recall Activity Annotations from Wearable Sensors
von: Hoelzemann, Alexander, et al.
Veröffentlicht: (2023)

RHINO: Learning Real-Time Humanoid-Human-Object Interaction from Human Demonstrations
von: Chen, Jingxiao, et al.
Veröffentlicht: (2025)

Learning Multimodal Latent Dynamics for Human-Robot Interaction
von: Prasad, Vignesh, et al.
Veröffentlicht: (2023)

Beyond Words: Interjection Classification for Improved Human-Computer Interaction
von: Goren, Yaniv, et al.
Veröffentlicht: (2025)

Closing the Gap in High-Risk Pregnancy Care Using Machine Learning and Human-AI Collaboration
von: Mozannar, Hussein, et al.
Veröffentlicht: (2023)

Learning Multimodal Confidence for Intention Recognition in Human-Robot Interaction
von: Zhao, Xiyuan, et al.
Veröffentlicht: (2024)

A Learning Algorithm That Attains the Human Optimum in a Repeated Human-Machine Interaction Game
von: Isa, Jason T., et al.
Veröffentlicht: (2025)

MoVEInt: Mixture of Variational Experts for Learning Human-Robot Interactions from Demonstrations
von: Prasad, Vignesh, et al.
Veröffentlicht: (2024)

Revisiting Euclidean Alignment for Transfer Learning in EEG-Based Brain-Computer Interfaces
von: Wu, Dongrui
Veröffentlicht: (2025)

Datasheets for Machine Learning Sensors
von: Stewart, Matthew, et al.
Veröffentlicht: (2023)

Talaria: Interactively Optimizing Machine Learning Models for Efficient Inference
von: Hohman, Fred, et al.
Veröffentlicht: (2024)

Active Inference and Human--Computer Interaction
von: Murray-Smith, Roderick, et al.
Veröffentlicht: (2024)

A Survey on Federated Learning in Human Sensing
von: Li, Mohan, et al.
Veröffentlicht: (2025)

To Ask or Not to Ask: Learning to Require Human Feedback
von: Pugnana, Andrea, et al.
Veröffentlicht: (2025)

Improving Human Sequential Decision-Making with Reinforcement Learning
von: Bastani, Hamsa, et al.
Veröffentlicht: (2021)

Research on Older Adults' Interaction with E-Health Interface Based on Explainable Artificial Intelligence
von: Huang, Xueting, et al.
Veröffentlicht: (2024)

Graph-Based Learning of Spectro-Topographical EEG Representations with Gradient Alignment for Brain-Computer Interfaces
von: Angkan, Prithila, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Cross-Modal Knowledge Distillation with Prototype Learning for Multimodal Brain-Computer Interfaces
von: Jang, Hyo-Jeong, et al.
Veröffentlicht: (2025)

Visualization for Trust in Machine Learning Revisited: The State of the Field in 2023
von: Chatzimparmpas, Angelos, et al.
Veröffentlicht: (2024)

Affective State Detection using fNIRs and Machine Learning
von: Ghosh, Ritam
Veröffentlicht: (2024)

Can LLM Assist in the Evaluation of the Quality of Machine Learning Explanations?
von: Wang, Bo, et al.
Veröffentlicht: (2025)

Trust Your Gut: Comparing Human and Machine Inference from Noisy Visualizations
von: Koonchanok, Ratanond, et al.
Veröffentlicht: (2024)

Human-in-the-Loop Systems for Adaptive Learning Using Generative AI
von: Tarun, Bhavishya, et al.
Veröffentlicht: (2025)

Human-LLM Hybrid Text Answer Aggregation for Crowd Annotations
von: Li, Jiyi
Veröffentlicht: (2024)

ScatterUQ: Interactive Uncertainty Visualizations for Multiclass Deep Learning Problems
von: Li, Harry, et al.
Veröffentlicht: (2023)

Real-time classification of EEG signals using Machine Learning deployment
von: Chowdhuri, Swati, et al.
Veröffentlicht: (2024)

The State of the Art in Enhancing Trust in Machine Learning Models with the Use of Visualizations
von: Chatzimparmpas, A., et al.
Veröffentlicht: (2022)

Multidimensional Bayesian Active Machine Learning of Working Memory Task Performance
von: Marticorena, Dom CP, et al.
Veröffentlicht: (2025)

SmartAlert: Implementing Machine Learning-Driven Clinical Decision Support for Inpatient Lab Utilization Reduction
von: Liang, April S., et al.
Veröffentlicht: (2025)

Transferring Annotator- and Instance-dependent Transition Matrix for Learning from Crowds
von: Li, Shikun, et al.
Veröffentlicht: (2023)

Cieran: Designing Sequential Colormaps via In-Situ Active Preference Learning
von: Hong, Matt-Heun, et al.
Veröffentlicht: (2024)

Co-Creative Learning via Metropolis-Hastings Interaction between Humans and AI
von: Okumura, Ryota, et al.
Veröffentlicht: (2025)

InFL-UX: A Toolkit for Web-Based Interactive Federated Learning
von: Maurer, Tim, et al.
Veröffentlicht: (2025)

DeforestVis: Behavior Analysis of Machine Learning Models with Surrogate Decision Stumps
von: Chatzimparmpas, Angelos, et al.
Veröffentlicht: (2023)