1- دانشگاه علوم و تحقیقات تهران-تهران -ایران
2- انشگاه صنعتی امیرکبیر
3- دانشگاه علوم پزشکی تهران
چکیده: (12 مشاهده)
مقدمه: گفتار انسان قادربه انتقال چندین هیجان به طور همزمان است که تفسیر دقیق آنها در درک پیچیدگی ارتباطات انسانی مهم هستند. سیستمهای تشخیص احساسات گفتاری سنتی معمولاً فقط 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 (BEL) برای بازشناسی گفتار هیجانی همپوشان و ترکیبی است. روش: گفتار هیجاتی همپوشان مبتنی بر دادههای پایگاه داده استاندارد گفتار هیجانی برلین (EMO-DB) براساس مفهموم غنی ریاضی کانولوشن ایجاد شدهاند. پایگاه داده برلین شامل هفت حالت هیجانی، شادی، غم، ترس، تنفر، بی حوصلگی، خشم و خنثی می باشد. ابتدا فایل های صوتی توسط نرم ا افزار MATLAB خوانده شدند، سپس بیست و یک حالت هیجانی ترکیبی از همپوشانی دو گفتارهای هیجانی مختلف بیان شده توسط یک گوینده با محتوای زبانی یکسان با استفاده از کانولوشن ایجاد گردید. در مرحله بعد، بردار ویژگی برای هر گفتار هیجانی استخراج شد. سپس این بردارها به عنوان ورودی برای مدل یادگیری هیجانی مغز استفاده شدند. در انتها، دقت بازشناسی هیجان ترکیبی مدل پیشنهادی با مدلهای رایج یادگیری ماشین مورد ارزیابی قرار میگیرد. یافته ها: نتایج بدست امدهنشانمیدهد که، علیرغم آنکه دقت بازشناسی حالتهای هیجانی ترکیبی با مدل یادگیری هیجانی مغز 30% است، اما مقدار 53%برای معیار Macro_F1 بازیانکننده آن است حداقل یک هیجان موجود در هیجان ترکیبی تاحدود قابل قبولی به درست تشخیص دادهشدهاست. نتیجهگیری: مدل یادگیری هیجانی مغز در بازشناسی گفتار هیجان همپوشان بازتاب واقعبینانهای از عملکرد مدل در شرایط واقعی ارائهمیدهد.
نوع مطالعه:
پژوهشي اصیل |
موضوع مقاله:
مدل سازی شناختی، پردازش سیگنال و تصویربرداری مغز دریافت: 1405/5/20 | پذیرش: 1405/6/5