بررسی روشهای تشخیص احساسات از روی سیگنال های EEG
- سال انتشار: 1401
- محل انتشار: اولین کنفرانس ملی پژوهش های نوآورانه در مهندسی برق و کامپیوتر
- کد COI اختصاصی: IRECE01_036
- زبان مقاله: فارسی
- تعداد مشاهده: 960
نویسندگان
دانشجوی کارشناسی مهندسی پزشکی، دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند تبریز
دانشجوی کارشناسی مهندسی پزشکی، دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند تبریز:
دانشجوی کارشناسی مهندسی پزشکی، دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند تبریز:
دانشجوی کارشناسی مهندسی پزشکی، دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند تبریز:
دانشجوی دکترای مهندسی برق گرایش الکترونیک، دانشکده مهندسی برق، دانشگاه صنعتی سهند تبریز،
چکیده
مقاله مطرح شده مروری بر سه روش متفاوت تشخیص احساسات با استفاده از سیگنالهای نوار مغزی ۱ (EEG) و ثبت فعالیت مغز درزمان واقعی و کشف الگوهایی برای ارتباط آن با حالات احساسی دارد. در روش اول ابتدا به تشخیص احساسات ثبت شده از فعالیت مغزتوسط EEG بوسیله Emotive EPOC در طول تحریک شنوایی پرداخته است و در نهایت تکنیک یادگیری ماشین را برای طبقهبندی سیگنالهای EEG به حالتهای هیجانی با برانگیختگی بالا/پایین و ظرفیت مثبت/منفی اعمال کرده است. احساساتی مانند شادی، خشم، ناراحتی و آرامش براساس داده های EEG استخراج و سپس مورد استفاده قرار گرفته میشوند. در روش دوم مدلهای مهندسی مختلفیمورد بررسی قرار گرفته اند که در این میان بیشتر مدلهایی مد نظر است که به تلاش کمتری برای طراحی دستی مجموعه ویژگیها نیاز داشته باشند لذا در تشخیص مبتنی بر (CNN) و بهبود عملکرد، یک مدل سرتاسری پیشنهاد شده که مبتنی بر شبکه های عصبی کانولوشنال EEG بوده است که آزمایشها بر روی مجموعه داده DEAP انجام شدهاند. نتایج تجربی روی مجموعه دادهDEAP نشان میدهد که روش پیشنهادی به ۹۸.۷۷ درصد دقت در تشخیص ظرفیت و ۷۲.۹۸ درصد در تشخیص برانگیختگی دست می یابد و در روش سوم با طبقه بندی سیگنال های EEG که از WT-CNN برای استخراج ویژگیها استفاده شده که میتواند دو احساس را با توجه به خروجیتبدیل موجک بر روی سیگنال خام شبیه سازی نشان دهد و نتایجی با دقت ۸۸ درصد به دست آوردکلیدواژه ها
سیگنال EEG ، شبکه عصبی کانولوشن، ضریب همبستگی پیرسون، تبدیل موجک.مقالات مرتبط جدید
- تحلیل انطباقی کیفیت و میزان محبوبیت خدمات ابری با بررسی و مقایسه رتبه بندی Tranco و رتبه بندی عملکردی شرکت های ابری
- طبقه بندی سیگنال های EEG ثبت شده از قشر پیش پیشانی به منظور کشف اثر موسیقی در شدت احساسات با استفاده از شبکه عصبی مصنوعی و پرسشنامه
- ارائه رویکردی برای مدیریت ریسک در پروژه های نرمافزاری با استفاده از خوشه بندی تجمعی
- تحلیل احتمالنقض ترتیب علیتی پیام ها در یک الگوریتم پخش علیتی در سیستمهای توزیع شده
- بهینه سازی به سبک گربه های شنی: الگوریتمی برای جستجوی کارآمد و مدیریت ازدحام
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.