بهبود تشخیص احساسات افراد در سیگنال‌های مغزی الکتروانسفالوگرافی با استفاده از شبکه‌های عصبی مصنوعی عمیق

چکیده

زمينه: از زمینه‌های تحقیقاتی که در سال‌های اخیر پژوهش‌های مختلفی بر روی آن صورت گرفته، تشخیص احساسات در سیگنال‌های الکتروانسفالوگرافی است. در این پژوهش با ارائه روشی 4 لایه اقدام به بهبود تشخیص احساسات افراد از طریق این سیگنال‌ها خواهیم نمود.

روش‌ کار: این پژوهش، از مجموعه دادگان DEAP استفاده کرده و روشی 4 لایه ارائه داده که عبارتند از: 1- پیش‌پردازش 2- استخراج ویژگی 3- کاهش بعد 4- تشخیص و تخمین احساسات. برای یافتن انتخاب‌های بهینه در برخی مراحل از این لایه‌ها نیز آزمایش‌های متفاوتی صورت گرفته است.

يافته ها: در این پژوهش، 3 آزمایش متفاوت صورت گرفته است. اول، یافتن مناسب‌ترین پنجره در بخش استخراج ویژگی که نتیجه آن برتری پنجره Hamming نسبت به سایر پنجره‌ها بود. دوم، انتخاب مناسب‌ترین تعداد فیلتربانک که مناسب‌ترین نتیجه آن تعداد 26 بود. سومین آزمایش نیز تشخیص احساسات بود که دقتی معادل 81.58 برای بعد برانگیختگی، 79.87 برای بعد ظرفیت و 80.35 برای بعد احاطه در آزمایش 2 کلاسه و 68.54 برای بعد برانگیختگی، 66.31 برای بعد ظرفیت و 66.92 برای بعد احاطه در آزمایش 3 کلاسه را به همراه داشت.

نتيجه‌ گيري: نتایج حاصله از این روش بهبود 7.38 درصدی در سطح 2 کلاسه و 3.38 درصدی در سطح 3 کلاسه در بعد برانگیختگی را نشان داد. این بهبود در بعد ظرفیت به ترتیب برابر 7.54 و 5.21 بوده است. نتایج به‌دست‌آمده حاکی از آن است که روش پیشنهادی می‌تواند منجر به بهبود دقت تشخیص احساسات گردد.