بازشناسی حالات هیجانی با استفاده از شبکه عصبی کانولوشنال فازی مبتنی بر الکتروانسفالوگرافی در باندهای مختلف
محل انتشار: فصلنامه تازه های علوم شناختی، دوره: 24، شماره: 4
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 152
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ICSS-24-4_008
تاریخ نمایه سازی: 17 تیر 1402
چکیده مقاله:
مقدمه: احساسات پدیدههای متغیر با زمانی هستند که به عنوان پاسخی به محرک ها ایجاد می شوند. در راستای تشخیص احساس به صورت پیوسته میتوان از پاسخ سیگنال های مغزی و حالت های چهره به محرک ویدیویی استفاده کرد. به این صورت که مجموعهای از فیلمهای محرک برای بینندگان به نمایش گذاشته میشود و همزمان سیگنال های مغزی و حالتهای چهره آنها به طور پیوسته ضبط میگردد و سطح ظرفیت آنها (احساسات منفی تا مثبت) ثبت می شود.
روش کار: هدف از این پژوهش، شناخت احساسات انسانی با استفاده از تحلیل سیگنال های الکتروانسفالوگرافی بود. در این مطالعه، برای تشخیص احساسات با استفاده از شبکه عصبی کانولوشنال فازی که ویژگی های بهینه و موثر را خود از سیگنال الکتروانسفالوگرافی انتخاب می کند جهت تشخیص و بازشناسی حالات هیجانی افراد مختلف ارائه می شود. در روش پیشنهادی ابتدا سیگنال الکتروانسفالوگرافی به باندهای مختلف آلفا، بتا و گاما تجزیه شده و سپس عمل تشخیص هوشمند انجام خواهد شد.
یافته ها: نتایج آزمایشات نشان می دهد که حالت آرامش و خستگی در باند آلفا بهتر و به ترتیب با دقت ۲/۹۴ درصد و ۸/۷۸ درصد بازشناسی می شود. در باند گاما شادی بهتر و با دقت ۲/۹۲ درصد شناسایی می شود و در نهایت در باند بتا، ترس با دقت ۳/۹۲ درصد بازشناسی خواهد شد.
نتیجه گیری: دیده می شود که مدل پیشنهادی با استفاده از شبکه عصبی کانولوشنال از دقت بالایی در بازشناسی احساسات برخوردار است همچنین استفاده از منطق فازی در روش پیشنهادی دقت بازشناسی را در کلیه باندها بالا برده است.
کلیدواژه ها:
نویسندگان
مهدی بلوری
Master Student of Computer Engineering, Department of Computer Engineering, Fouman and Shaft Branch, Islamic Azad University, Fouman, Iran
الهام عسکری
Assistant Professor of Computer Engineering, Department of Computer Engineering, Fouman and Shaft Branch, Islamic Azad University, Fouman, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :