بررسی روشهای تشخیص احساسات از روی سیگنال های EEG

مقاله مطرح شده مروری بر سه روش متفاوت تشخیص احساسات با استفاده از سیگنالهای نوار مغزی ۱ (EEG) و ثبت فعالیت مغز درزمان واقعی و کشف الگوهایی برای ارتباط آن با حالات احساسی دارد. در روش اول ابتدا به تشخیص احساسات ثبت شده از فعالیت مغزتوسط EEG بوسیله Emotive EPOC در طول تحریک شنوایی پرداخته است و در نهایت تکنیک یادگیری ماشین را برای طبقهبندی سیگنالهای EEG به حالتهای هیجانی با برانگیختگی بالا/پایین و ظرفیت مثبت/منفی اعمال کرده است. احساساتی مانند شادی، خشم، ناراحتی و آرامش براساس داده های EEG استخراج و سپس مورد استفاده قرار گرفته میشوند. در روش دوم مدلهای مهندسی مختلفیمورد بررسی قرار گرفته اند که در این میان بیشتر مدلهایی مد نظر است که به تلاش کمتری برای طراحی دستی مجموعه ویژگیها نیاز داشته باشند لذا در تشخیص مبتنی بر (CNN) و بهبود عملکرد، یک مدل سرتاسری پیشنهاد شده که مبتنی بر شبکه های عصبی کانولوشنال EEG بوده است که آزمایشها بر روی مجموعه داده DEAP انجام شدهاند. نتایج تجربی روی مجموعه دادهDEAP نشان میدهد که روش پیشنهادی به ۹۸.۷۷ درصد دقت در تشخیص ظرفیت و ۷۲.۹۸ درصد در تشخیص برانگیختگی دست می یابد و در روش سوم با طبقه بندی سیگنال های EEG که از WT-CNN برای استخراج ویژگیها استفاده شده که میتواند دو احساس را با توجه به خروجیتبدیل موجک بر روی سیگنال خام شبیه سازی نشان دهد و نتایجی با دقت ۸۸ درصد به دست آورد

Keywords:

سیگنال EEG , شبکه عصبی کانولوشن , ضریب همبستگی پیرسون , تبدیل موجک.