hrvatski

Prepoznavanje emocija utemeljeno na holografskim i topografskim mapama EEG značajki i dubokom učenju

Emocije su ljudske reakcije na događaje i one utječu na cijelo tijelo. Važna funkcija za izradu sučelja između mozga i računala (BCI) je razvoj modela koji je u stanju prepoznati emocije iz elektroencefalografskih (EEG) signala. Izazovan je zadatak razviti inteligentni model koji može pružiti visoku točnost prepoznavanja emocija zbog prirode moždanih signala. EEG ima nestacionarna i nelinearna svojstva te sadrži značajnu količinu šuma uzrokovanu, primjerice, mišićnom aktivnošću, treptanjem, disanjem, otkucajima srca ili slabim kontaktom elektroda. Štoviše, kod snimanja EEG signala neinvazivnim nosivim uređajima često se koristi veliki broj elektroda, što povećava računsku složenost, dimenzionalnost EEG podataka i smanjuje razinu udobnosti ispitanika. U ovoj disertaciji se predlaže novi model za prepoznavanje emocija koji se temelji na izradi mapa značajki korištenjem topografskog i holografskog prikaza karakteristika EEG signala. Signali snimljeni elektrodama mjernog uređaja se dijele u podpojaseve primjenom diskretne valićne transformacije, a na svakom podpojasu se računaju karakteristike signala koje se mapiraju na standardni međunarodni sustav koji opisuje pozicije elektroda na glavi. Prikazom vrijednosti karakteristike signala na lokaciji elektrode se definira položaj točke u trodimenzionalnom prostoru u kojem se istraživanje karakteristika signala provodi u dva smjera. Za prvi se koristi računalno generirana holografija kojom se iz prostornih karakteristika signala izrađuju dvodimenzionalne mape značajki, dok se u drugom smjeru istraživanja vrijednosti karakteristika signala prikazuju topografskom mapom. Metode ReliefF i analiza susjednih komponenti su upotrijebljene u istraživanju odabira elektroda sa svrhom optimizacije i povećanja točnosti modela. Pristup dubokog učenja korištenjem konvolucijske neuronske mreže je iskorišten za izlučivanje obilježja s mapa značajki, a dobivene karakteristike od svake pojedine neuronske mreže se spajaju u matricu značajki te se potom klasificiraju. Prepoznavanje emocionalnih stanja je provedeno nad svim ispitanicima zajedno, ali i zasebno ovisno o spolu ispitanika, a novopredloženi model je verificiran na četiri javno dostupne baze podataka DEAP, DREAMER, AMIGOS i SEED. Demonstrirana je učinkovitost predloženog pristupa u usporedbi sa najsuvremenijim studijama u kojima autori koriste EEG signale za klasifikaciju ljudskih emocija u trodimenzionalnom prostoru. Eksperimentalni rezultati pokazuju da se predloženim pristupom može poboljšati stopa prepoznavanja emocija.

Interakcija između čovjeka i računala (HCI) ; sučelje između mozga i računala (BCI) ; elektroencefalografija (EEG) ; prepoznavanje emocija ; ReliefF ; analiza susjednih komponenti (NCA) ; trodimenzionalni emocionalni model ; duboko učenje ; neuronske mreže ; računalno generirana holografija (CGH)

nije evidentirano