中文

基于深度学习的自闭儿童情感与行为模式识别方法

机器学习 2025-10-10 v1 人工智能 计算机视觉与模式识别 人机交互

摘要

自闭症谱系障碍显著影响个体的沟通能力、学习过程、行为及社交互动。尽管早期干预和定制化教育策略对于改善结果至关重要,但在技能发展之前,对自闭儿童细微行为模式和情感识别的理解和应对之间存在关键性差距。本扩展研究深入探讨了识别和映射这些模式的基础步骤,以改进学习和软技能。通过纵向监测情感和行为,本研究旨在建立对自闭学生尤其是信息技术领域学生——该领域机会有限——所面临独特需求和挑战的基线理解。通过对行为随时间变化的详细分析,我们提出了一个针对开发旨在满足这些已识别需求的应用程序和技术辅助工具的定向框架。我们的研究强调,以深入理解每个孩子的行为和情感景观为基础,以循序渐进、以证据为依据的干预方法至关重要,以有效发展技能。通过将关注力转向行为模式的早期识别,我们旨在培育一个更具包容性和支持性的学习环境,以显著改善自闭儿童的教育和发展轨迹。

关键词

引用

@article{arxiv.2510.07320,
  title  = {Deep Learning Based Approach to Enhanced Recognition of Emotions and Behavioral Patterns of Autistic Children},
  author = {Nelaka K. A. R and Peiris M. K. and Liyanage R. P. B},
  journal= {arXiv preprint arXiv:2510.07320},
  year   = {2025}
}