تشخیص استرس از سنسورهای پوشیدنی به کمک یادگیری عمیق

چکیده مقاله

براساس تحقیقات به عمل آمده، استرس می تواند باعث تاثیر به سزایی در روابط بین انسانها و حوادث انسانی شود با شناسایی استرس در طول فعالیت های روزانه افراد، مانند رانندگی ، می توان جلوی برخی از اتفاقات و حوادث را گرفت به این منظور در این پژوهش از پایگاه داده physionet مربوط به نوار قلب رانندگان در حین رانندگی استفاده شد و ویژگی های آنها استخراج شد، سپس ویژگی ها با PCA کاهش یافتند و به دو روش هوش مصنوعی مقایسه شد نتایج معیار های دقت ، MSE و PSNR در روش شبکه عصبی و شبکه های یادگیری عمیق و با اعتبار سنجی fold۱۰ در چهار کلاس، بدست آمدند در بخش استخراج ویژگی از ۷ ویژگی مکانی ، ۱۶ ویژگی فرکانسی و ۶۴ ویژگی موجک استفاده شده است نتیجه طبقه بندی شبکه عصبی به دقت ۸ ۰±۸ ۹۰ درصد رسید در شبکه عمیق شامل دو لایه CNN۱D و Dense با تلفیق سیگنال خام و ویژگی های مستخرج به دقت ۶ ۰±۳ ۹۶ درصد رسید این نتایج بیانگر برتری روش یادگیری عمیق بر شبکه عصبی در این حوزه می باشد این سیستم تشخیصی برای کاربردهای قابل حمل و کوچک در فعالیت های روزانه افراد مناسب است