پنجشنبه 26 تیر 1404
| English
دوره 24، شماره 4 - ( زمستان 1401 )
جلد 24 شماره 4 صفحات 114-102 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Bolouri M, Askari E. Recognition of emotional states using fuzzy convolutional neural network based on electroencephalography in different bands. Advances in Cognitive Sciences 2023; 24 (4) :102-114
URL: http://icssjournal.ir/article-1-1460-fa.html
URL: http://icssjournal.ir/article-1-1460-fa.html
بلوری مهدی، عسکری الهام. بازشناسی حالات هیجانی با استفاده از شبکه عصبی کانولوشنال فازی مبتنی بر الکتروانسفالوگرافی در باندهای مختلف. تازه های علوم شناختی. 1401; 24 (4) :102-114
مهدی بلوری1 
، الهام عسکری*2
، الهام عسکری*2
1- دانشجوی کارشناسی ارشد گروه کامپیوتر، واحد فومن و شفت، دانشگاه آزاد اسلامی، فومن، ایران
2- استادیار گروه کامپیوتر، واحد فومن و شفت، دانشگاه آزاد اسلامی، فومن، ایران
2- استادیار گروه کامپیوتر، واحد فومن و شفت، دانشگاه آزاد اسلامی، فومن، ایران
چکیده: (1030 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 این صورت که مجموعهای از فیلمهای محرک برای بینندگان به نمایش گذاشته می‌شود و همزمان سیگنال‌های مغزی و حالت‌های چهره آنها به طور پیوسته ضبط میگردد و سطح ظرفیت آنها (احساسات منفی تا مثبت) ثبت می‌شود.
روش کار: هدف از این پژوهش، شناخت احساسات انسانی با استفاده از تحلیل سیگنال‌های الکتروانسفالوگرافی بود. در این مطالعه، 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 به ترتیب با دقت 2/94 درصد و 8/78 درصد بازشناسی می‌شود. در باند گاما شادی بهتر و با دقت 2/92 درصد شناسایی می‌شود و در نهایت در باند بتا، ترس با دقت 3/92 درصد بازشناسی خواهد شد.
نتیجه‌گیری: دیده 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.
روش کار: هدف از این پژوهش، شناخت احساسات انسانی با استفاده از تحلیل سیگنال‌های الکتروانسفالوگرافی بود. در این مطالعه، 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 به ترتیب با دقت 2/94 درصد و 8/78 درصد بازشناسی می‌شود. در باند گاما شادی بهتر و با دقت 2/92 درصد شناسایی می‌شود و در نهایت در باند بتا، ترس با دقت 3/92 درصد بازشناسی خواهد شد.
نتیجه‌گیری: دیده 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 | انتشار: 1401/11/30
دریافت: 1401/6/5 | پذیرش: 1401/10/7 | انتشار: 1401/11/30
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
