1- دانشجوی دکتری مهندسی کامپیوتر، گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2- استاد مهندسی برق و کامپیوتر، گروه فیزیک و مهندسی انرژی، دانشگاه صنعتی امیرکبیر، تهران، ایران
3- دانشیار مهندسی پزشکی، گروه مرکز تحقیقات علوم و فناوری در پزشکی، دانشگاه علوم و پزشکی تهران، تهران، ایران
4- استادیارمهندسی کامپیوتر، گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
چکیده: (471 مشاهده)
مقدمه: گفتار انسان میتواند چندین هیجان را بهطور همزمان منتقل کند و تفسیر دقیق آنها برای درک پیچیدگی ارتباطات انسانی اهمیت دارد. سیستمهای رایج بازشناسی هیجان از گفتار معمولاً تنها هیجان غالب را شناسایی میکنند یا به ورودیهای چندوجهی، مانند ترکیب نشانههای بصری و شنیداری، متکی هستند. هدف این پژوهش بهرهگیری از مدل یادگیری هیجانی مغز برای بازشناسی گفتار هیجانی همپوشان و ترکیبی است. روش: گفتار هیجان همپوشان، با استفاده از دادههای پایگاهداده استاندارد برلین بر اساس مفهوم ریاضی کانولوشن ایجاد میشوند. پایگاهداده برلین شامل هفت حالت هیجانی خشم، بیحوصلگی، تنفر، ترس، شادی، غم و خنثی است. ابتدا فایلهای صوتی با استفاده نرمافزار متلب خوانده میشوند. سپس، 21 حالت هیجانی ترکیبی از همپوشانی دو گفتار هیجانی متفاوت بیانشده توسط یک گوینده با محتوای زبانی یکسان با استفاده از کانولوشن ایجاد میشوند. در مرحله بعد، بردار ویژگی برای هر گفتار هیجانی استخراج میشود. سپس این بردارها بهعنوان ورودی برای مدل یادگیری هیجانی مغز استفاده میشوند. در نهایت، عملکرد مدل پیشنهادی در بازشناسی هیجانهای همپوشان با عملکرد مدلهای رایج یادگیری ماشین مقایسه میشود. نتایج: یافتههای بهدستآمده نشان میدهند که علیرغم آنکه دقت تطابق دقیق بازشناسی حالتهای هیجان همپوشان برای مدل یادگیری هیجانی مغز30% است، اما مقدار 53%برای امتیاز F1 کلان بیانکننده آن است که حداقل یک هیجان موجود در هیجان همپوشان تا حدود قابل قبولی بهدرست تشخیص داده میشود. نتیجهگیری: مدل یادگیری هیجانی مغز در بازشناسی گفتار هیجان همپوشان، بازتابی واقعبینانه از عملکرد خود در شرایط واقعی ارائه میدهد.
نوع مطالعه:
پژوهشي اصیل |
موضوع مقاله:
مدل سازی شناختی، پردازش سیگنال و تصویربرداری مغز دریافت: 1405/5/20 | پذیرش: 1405/6/5