از طریق شبکه یادگیری عمیق vEEGتشخیص احساسات بر اساس نقشه های ویژگی

یکی از راه های ارتباط انسان و کامپیوتر بر پایه شناخت احساسات است مساله تشخیص احساسات با استفاده از سیگنال الکتروانسفالوگرام (EEG) مورد بررسی قرار گرفته است . از آنجایی که سیگنال دارای نویز غیر خطی و دارای ویژگی های غیرEEG های ثابت هستند ایجاد یک چارچوب هوشمند که میتواند دقت بالایی برای تشخیص احساسات ارائه دهد و کاری چالش برانگیزی است .در این مقاله مدل جدید تشخیص احساسات پیشنهاد می کنیم مبتنی بر نمایش توپوگرافی (TOPO_FM) و هولوگرافی (HOLO_FM) ویژگی های سیگنال خواهد بود. یادگیری عمیق به عنوان یک روش استخراج ویژگی در نقشه های ویژگی مورد استفاده قرار گرفته است و سپس این ویژگی های استخراج شده برای فرایند طبقه بندی برای تشخیص انواع مختلف احساسات با هم ترکیب می شوند.و این آزمایش بر روی چهار مجموعه احساسی در دسترس عموم انجام می شوند از جمله DEAP,SEED,DREAMER,AMIGOS ما اثر بخشی رویکردهای خود را در مقایسه با مطالعاتی که نویسندگان از سیگنال های EEG استفاده کردند که احساسات انسانی را در فضای دو بعدی طبقه بندی می کرد نشان دادیم .

کلیدواژه ها:

الکتروانسفالوگرام ، رابط مغز و کامپیوتر ، تشخیص احساسات ، شبکه یادگیری عمیق ، هولوگرافی کامپیوتری .