|
Title
|
بررسی بازشناسی هیجانات از طریق سیگنالهای مغزی الکتروانسفالوگرافی(EEG)
|
|
Type of Research
|
Thesis
|
|
Keywords
|
الکتروانسفالوگرافی، تشخیص احساس، استخراج ویژگی، یادگیری ماشین
|
|
Abstract
|
سیگنال های EEG حاصل اندازه گیری فعالیت الکتریکی مغز با استفاده از الکترودهایی بر روی کف سر است. این سیگنال مقدار ولتاژ حاصل از جریان یونی نرون های مغز را اندازه گیری می کند. این سیگنال ها حاوی اطلاعات مرتبط با فعالیت های عصب-شناختی است. ازاین رو، این سیگنال ها به عنوان یک روش مرسوم برای دریافت اطلاعات مغزی در کاربردهای واسط مغزی کامپیوتری (BCI ) استفاده شده است. در سال های اخیر پردازش سیگنال های EEG با رویکرد یادگیری ماشین در زمینه های مختلف ازجمله تصویربرداری حرکتی ، بازشناسی هیجانات و تشخیص صرع موردتوجه پژوهشگران قرار گرفته است. در تمام این کاربردها هدف مدل سازی ارتباط بین داده ورودی (EEG) و عملکردهای شناختی موردنظر است. استخراج ویژگی به منظور توصیف اطلاعات موجود در داده خام ورودی یکی از مراحل ضروری در این کاربردها از بازشناسی هیجانات است. به عنوان مثال انرژی باندهای گاما، بتا، آلفا، تتا و دلتا در سیگنال ورودی می تواند به عنوان ویژگی هایی برای توصیف داده ورودی در نظر گرفته شوند. مقدار بالای انرژی باند گاما به عنوان نمونه می تواند نشان دهنده برانگیختگی ، اضطراب و استرس باشد بنابراین می توان از آن به عنوان یک ویژگی مفید برای بازشناسی هیجانات استفاده کرد. هدف نهایی این پژوهش ارائه یک روش برای استخراج ویژگی های مفید به منظور بهبود بازشناسی ارزش احساسی (مثبت، منفی یا خنثی) است که مبتنی بر سیگنال EEG است. ارزش احساسی به معنی میزان خوب بودن (ارزش احساسی مثبت) و یا بد بودن (ارزش احساسی منفی) است. احساساتی همچون ترس و خشم ارزش احساسی منفی و احساس رضایت و شادی ارزش احساسی مثبت دارند. لازم به ذکر است که ویژگی های بیشتر لزوماً به دقت بازشناسی بهتر منجر نمی شود. به عبارت دیگر، اکثر پژوهش های موجود در این زمینه یک مرحله انتخاب ویژگی دارند که هدف آن یافتن مجموعه ای از ویژگی ها است که اطلاعات بیشتری در مورد هیجانات موردنظر بدهند.
|
|
Researchers
|
(Student)، Hassan Bafandeh Gharamaleki (Primary Advisor)، ezzatollah ahmadi (Advisor)
|