بهبود تشخيص احساسات افراد در سيگنال‌هاي مغزي الكتروانسفالوگرافي با استفاده از شبكه‌هاي عصبي مصنوعي عميق

زمينه: از زمينه‌هاي تحقيقاتي كه در سال‌هاي اخير پژوهش‌هاي مختلفي بر روي آن صورت گرفته، تشخيص احساسات در سيگنال‌هاي الكتروانسفالوگرافي است. در اين پژوهش با ارائه روشي 4 لايه اقدام به بهبود تشخيص احساسات افراد از طريق اين سيگنال‌ها خواهيم نمود. روش‌ كار: اين پژوهش، از مجموعه دادگان DEAP استفاده كرده و روشي 4 لايه ارائه داده كه عبارتند از: 1- پيش‌پردازش 2- استخراج ويژگي 3- كاهش بعد 4- تشخيص و تخمين احساسات. براي يافتن انتخاب‌هاي بهينه در برخي مراحل از اين لايه‌ها نيز آزمايش‌هاي متفاوتي صورت گرفته است. يافته ‌ها: در اين پژوهش، 3 آزمايش متفاوت صورت گرفته است. اول، يافتن مناسب‌ترين پنجره در بخش استخراج ويژگي كه نتيجه آن برتري پنجره Hamming نسبت به ساير پنجره‌ها بود. دوم، انتخاب مناسب‌ترين تعداد فيلتربانك كه مناسب‌ترين نتيجه آن تعداد 26 بود. سومين آزمايش نيز تشخيص احساسات بود كه دقتي معادل 81.58 براي بعد برانگيختگي، 79.87 براي بعد ظرفيت و 80.35 براي بعد احاطه در آزمايش 2 كلاسه و 68.54 براي بعد برانگيختگي، 66.31 براي بعد ظرفيت و 66.92 براي بعد احاطه در آزمايش 3 كلاسه را به همراه داشت. نتيجه‌ گيري: نتايج حاصله از اين روش بهبود 7.38 درصدي در سطح 2 كلاسه و 3.38 درصدي در سطح 3 كلاسه در بعد برانگيختگي را نشان داد. اين بهبود در بعد ظرفيت به ترتيب برابر 7.54 و 5.21 بوده است. نتايج به‌دست‌آمده حاكي از آن است كه روش پيشنهادي مي‌تواند منجر به بهبود دقت تشخيص احساسات گردد.