چهارشنبه 19 بهمن 1401
| English
الهام عسکری* 
1، مهدی بلوری1
1، مهدی بلوری1
1- گروه کامپیوتر، واحد فومن و شفت، دانشگاه آزاد اسلامی، فومن، ایران
چکیده: (44 مشاهده)
مقدمه: احساسات پدیدههای متغیر با زمانی هستند که به عنوان پاسخی به محرک‌ها ایجاد می‌شوند. در راستای تشخیص احساس به صورت پیوسته میتوان از پاسخ سیگنال‌های مغزی و حالت‌های چهره به محرک ویدیویی استفاده کرد. به اینصورت که مجموعهای از فیلمهای محرک برای بینندگان به نمایش گذاشته می‌شود و همزمان سیگنال‌های مغزی و حالت‌های چهرهی آنها به‌طور پیوسته ضبط میگردد و سطح ظرفیت آنها (احساسات منفی تا مثبت) ثبت می‌شود. روش کار: هدف از این مقاله، شناخت احساسات انسانی با استفاده از تحلیل سیگنال‌های الکتروانسفالوگرافی است. در این مقاله، برای تشخیص احساسات با استفاده از شبکه عصبی کانولوشنال فازی که ویژگی‌های بهینه و موثر را خود از سیگنال الکتروانسفالوگرافی انتخاب می‌کند جهت تشخیص و بازشناسی حالات هیجانی افراد مختلف ارائه می‌شود. در روش پیشنهادی ابتدا سیگنال الکتروانسفالوگرافی به باندهای مختلف آلفا، بتا و گاما تجزیه شده و سپس عمل تشخیص هوشمند انجام خواهد شد. یافته‌ها:نتایج آزمایشات نشان می‌دهد که حالت آرامش و خستگی در باند آلفا بهتر و به‌ترتیب با دقت 2/94% و 8/78% بازشناسی می‌شود. در باند گاما شادی بهتر و با دقت 2/92% شناسایی می‌شود و در نهایت در باند بتا، ترس با دقت 3/92% بازشناسی خواهد شد. نتیجهگیری: نتیجهگیری می‌شود 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.
مقدمه: احساسات پدیدههای متغیر با زمانی هستند که به عنوان پاسخی به محرک‌ها ایجاد می‌شوند. در راستای تشخیص احساس به صورت پیوسته میتوان از پاسخ سیگنال‌های مغزی و حالت‌های چهره به محرک ویدیویی استفاده کرد. به اینصورت که مجموعهای از فیلمهای محرک برای بینندگان به نمایش گذاشته می‌شود و همزمان سیگنال‌های مغزی و حالت‌های چهرهی آنها به‌طور پیوسته ضبط میگردد و سطح ظرفیت آنها (احساسات منفی تا مثبت) ثبت می‌شود. روش کار: هدف از این مقاله، شناخت احساسات انسانی با استفاده از تحلیل سیگنال‌های الکتروانسفالوگرافی است. در این مقاله، برای تشخیص احساسات با استفاده از شبکه عصبی کانولوشنال فازی که ویژگی‌های بهینه و موثر را خود از سیگنال الکتروانسفالوگرافی انتخاب می‌کند جهت تشخیص و بازشناسی حالات هیجانی افراد مختلف ارائه می‌شود. در روش پیشنهادی ابتدا سیگنال الکتروانسفالوگرافی به باندهای مختلف آلفا، بتا و گاما تجزیه شده و سپس عمل تشخیص هوشمند انجام خواهد شد. یافته‌ها:نتایج آزمایشات نشان می‌دهد که حالت آرامش و خستگی در باند آلفا بهتر و به‌ترتیب با دقت 2/94% و 8/78% بازشناسی می‌شود. در باند گاما شادی بهتر و با دقت 2/92% شناسایی می‌شود و در نهایت در باند بتا، ترس با دقت 3/92% بازشناسی خواهد شد. نتیجه گیری: نتیجهگیری می‌شود 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.
مقدمه: احساسات پدیدههای متغیر با زمانی هستند که به عنوان پاسخی به محرک‌ها ایجاد می‌شوند. در راستای تشخیص احساس به صورت پیوسته میتوان از پاسخ سیگنال‌های مغزی و حالت‌های چهره به محرک ویدیویی استفاده کرد. به اینصورت که مجموعهای از فیلمهای محرک برای بینندگان به نمایش گذاشته می‌شود و همزمان سیگنال‌های مغزی و حالت‌های چهرهی آنها به‌طور پیوسته ضبط میگردد و سطح ظرفیت آنها (احساسات منفی تا مثبت) ثبت می‌شود. روش کار: هدف از این مقاله، شناخت احساسات انسانی با استفاده از تحلیل سیگنال‌های الکتروانسفالوگرافی است. در این مقاله، برای تشخیص احساسات با استفاده از شبکه عصبی کانولوشنال فازی که ویژگی‌های بهینه و موثر را خود از سیگنال الکتروانسفالوگرافی انتخاب می‌کند جهت تشخیص و بازشناسی حالات هیجانی افراد مختلف ارائه می‌شود. در روش پیشنهادی ابتدا سیگنال الکتروانسفالوگرافی به باندهای مختلف آلفا، بتا و گاما تجزیه شده و سپس عمل تشخیص هوشمند انجام خواهد شد. یافته‌ها:نتایج آزمایشات نشان می‌دهد که حالت آرامش و خستگی در باند آلفا بهتر و به‌ترتیب با دقت 2/94% و 8/78% بازشناسی می‌شود. در باند گاما شادی بهتر و با دقت 2/92% شناسایی می‌شود و در نهایت در باند بتا، ترس با دقت 3/92% بازشناسی خواهد شد. نتیجه گیری: نتیجهگیری می‌شود 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.
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
مدل سازی شناختی، پردازش سیگنال و تصویربرداری مغز
دریافت: 1401/6/5 | پذیرش: 1401/10/7
دریافت: 1401/6/5 | پذیرش: 1401/10/7
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
