چکیده مقاله
تشخیص دقیق احساسات برای تعاملات هوشمند انسان و کامپیوتر ضروری است، اما تفاوت های فردی در سیگنال های مغزی مانع اصلی در تعمیم پذیری مدل ها به شمار می رود هدف اصلی این پژوهش، بهبود دقت تشخیص احساسات در سناریوی چالش برانگیز بین فردی با استفاده از شبکه عصبی گراف پویا DGCNN و رویکرد یادگیری انتقالی است روش این پژوهش به صورت تجربی و با استفاده از پایگاه داده استاندارد DEAP انجام شد که جامعه آماری آن شامل ۳۲ شرکت کننده سالم ۱۶ مرد و ۱۶ زن است نمونه گیری به صورت تمام شماری از داده های موجود در پایگاه داده انجام شد و مداخله شامل تماشای ۴۰ کلیپ ویدیویی موزیکال جهت برانگیختگی احساسی بود؛ همچنین ابزار گردآوری داده ها شامل دستگاه ثبت سیگنال های الکتروانسفالوگرافی با ۳۲ الکترود پایگاه داده DEAP، کولسترا و همکاران، ۲۰۱۱ بوده و تحلیل داده ها با استخراج ویژگی آنتروپی تفاضلی و به کارگیری معماری پیشنهادی مبتنی بر شبکه عصبی گراف پویا انجام شده است نتایج نشان داد که روش پیشنهادی بدون نیاز به کالیبراسیون طولانی، عملکرد مدل را در تفکیک حالات عاطفی خوشایند و ناخوشایند و همچنین سطوح برانگیختگی در مقایسه با روش های پایه به شکل معناداری ارتقا داده است در نتیجه گیری، ترکیب گراف های پویا با یادگیری انتقالی راهکاری موثر برای غلبه بر تنوع سیگنال های مغزی بین افراد مختلف است و این روش مسیر را برای توسعه رابط های مغز کامپیوتر کاربردی و دقیق هموار می سازد
کلیدواژهها
نویسندگان
حسین محمد گنجی
دانش آموخته کارشناسی ارشد مهندسی کامپیوتر، گرایش معماری سیستم های کامپیوتری، دانشگاه گیلان، رشت، ایران
مهدی امینیان
استادیار گروه مهندسی کامپیوتر، دانشگاه گیلان، رشت، ایران
شیوه ارجاع
گنجی، حسین محمد و امینیان، مهدی،1404،بهبود تشخیص احساسات مبتنی بر سیگنال های مغزی (EEG) در سناریوی بین فردی با استفاده از شبکه عصبی گراف پویا و یادگیری انتقالی،چهارمین کنفرانس بین المللی و نهمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز
ارائهشده در
مجموعه مقالات پنجمین همایش ملی و نخستین همایش بین المللی محاسبات نرم علوم مهندسی در صنعت و جامعه26 بهمن 1404 · ایرانشهر