روش های تشخیص احساسات تصویری و گفتاری با استفاده از شبکه های باور عمیق Deep Belief Networks (DBN)

احساسات در همه جا و هر لحظه انسان را در زندگی همراهی می کنند. آن ها می توانند از طریق سیگنال های گفتاری که ۳۸ درصد از کل احساسات منتقل شده را تشکیل می دهند، شناسایی و منتقل شوند. احساسات از نقطه نظر فردی تجربه می شوند که با خلق و خو ، شخصیت و روحیه ارتباط دارد. احساسات و بیان متناظر آنها عناصر مهمی در تعاملات اجتماعی هستند و از آنها به عنوان مکانیزمی برای علامت دهی، هدایت، توجه، ایجاد انگیزه و کنترل تعاملات، ارزیابی موقعیت و غیره استفاده می شود. تحقیقات در زمینه تشخیص احساسات شامل حالات چهره، تشخیص صدا، حرکت و تشخیص سیگنال فیزیولوژیکی و غیره است. تحقیقات با استفاده از تکنیک های یادگیری عمیق می تواند بازنمایی بهتری داشته باشد و مدلهای بدیعی را برای یادگیری این بازنمایی ها از داده های بدون برچسب در مقیاس بزرگ ایجاد کند. برخی از تکنیک های یادگیری عمیق مانند شبکه های عصبی متحرک ، ماشین عمیق بولتزمن ، شبکه های اعتقاد عمیق ، بردار ماشین طبقه بندی ، شبکه های عصبی مکرر ، شبکه های عصبی عمیق و رمز گذار های خودکار انباشته در برنامه های کاربردی مختلفی کاربرد دارد. دانشمندان از تکنیک های یادگیری عمیق برای حل مشکلات بسیار کاربردی در همه ویژگی های کسب و کار استفاده می کنند. این مقاله به معرفی مختصر تکنیک های یادگیری عمیق مورد استفاده می پردازد. همچنین رویکردهای مختلف یادگیری عمیق که دانشمندان در سالهای گذشته با مزایا، معایب و کارهای آتی اتخاذ کرده بودند، خلاصه می شود.

Keywords:

شبکه های عصبی متحرک , ماشین عمیق بولتزمن , بردار ماشین طبقه بندی , شبکه های عصبی عمیق , رمز گذار های خودکار انباشته