این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۱۳، شماره ۱، صفحات ۱-۱۸
عنوان فارسی تشخیص هیجانات القاشده با تحریک شنوایی از سیگنال‌های EEG براساس شبکه‌های یادگیری عمیق
چکیده فارسی مقاله هیجانات، برای تفسیر درست اقدامات و نیز ارتباطات بین انسان‌ها مهم‌اند. شناخت هیجانات ازطریق سیگنال الکتروانسفالوگرام (EEG)، امکان تشخیص حالات هیجانی را بدون روش‌های سنتی ازجمله پرکردن پرسشنامه، میسر و بدون معاینات و ویزیت‌های بالینی، هیجان مدنظر را در فرد بازگو می‌کند که نقش بسیار مهمی در تکمیل‌کردن پازل تعامل بین مغز و کامپیوتر (BCI) دارد. یکی از مشکلات تشخیص خودکار هیجانات، استخراج ویژگی‌های مطلوب است؛ به ‌گونه‌ای که این ویژگی‌ها بیشترین تمایز را بین مراحل مختلف هیجانی ایجاد می‌کنند. فرآیند یافتن ویژگی‌های مناسب، عموماً امری زمان‌بر است. در این پژوهش، رویکرد جدیدی برای شناسایی خودکار 3 حالت مثبت، منفی و خنثی از هیجانات مبتنی بر تحریک شنوایی از سیگنال‌های EEG ارائه شده است. در روش پیشنهادی، مستقیماً سیگنال EEG ثبت‌شده، ورودی شبکۀ عمیق کانولوشنال و شبکۀ حافظۀ طولانی کوتاه‌مدت (CNN-LSTM) در نظر گرفته می‌شود؛ بدون اینکه از استخراج/انتخاب ویژگی کلاسیک استفاده شود. موارد گفته‌شده به‌عنوان روند چالش‌برانگیز در ادبیات قبلی مطرح شده است. معماری شبکۀ پیشنهادی به‌صورت 10 لایه کانولوشن با 3 لایه LSTM و به دنبال آن، 2 لایه کاملاً متصل طراحی شده است. نتایج شبیه‌سازی روش پیشنهادی برای طبقه‌بندی 2 حالت و 3 حالت از هیجانات به‌ترتیب صحت 42/97 % و 23/95 % و ضریب کاپاکوهن 96/0 و 93/0 را ارائه می‌دهند. علاوه بر این، مقایسه نتایج حاصل‌شده با روش‌های رایج، عملکرد مطلوب روش پیشنهادی را نشان می‌دهد.
کلیدواژه‌های فارسی مقاله EEG، هیجان، تحریک موسیقیایی، CNN،
عنوان انگلیسی Recognition of Emotion Provoked by Auditory Stimuli using EEG Signal Based on Deep Neural Networks
چکیده انگلیسی مقاله Excitements are important for the proper interpretation of actions as well as relationships among individuals. Recognizing emotions through Electroencephalogram (EEG) allows recognition of emotional states without traditional methods including filling in the questionnaire. The automatic emotion recognition reflects the excitement of the individual without clinical examinations or need to visits, which plays a very important role in completing the Brain-Computer Interface (BCI) puzzle. One of the major challenges in this regard is first to select and extract the proper characteristics/features of the EEG signal in order to create an acceptable distinction between different emotional states. The process of finding the desirable feature is generally time consuming. This study presents a new approach for the automatic identification of 3-states of emotion (positive, negative and neutral) based on the auditory stimulation of EEG signals. In the proposed method, the raw EEG signal is directly applied to convolutional neural network-long short time memory (CNN-LSTM) network, without involving the extraction/selection feature. This has been a challenging process in previous literature. The proposed network architecture includes 10 convolutional layers with 3 LSTM layers followed by 2 fully connected layers. The simulation results of the proposed algorithm for classifying 2-stages (negative and positive) and 3-stages (negative, neutral and positive) of emotion for 12 active channels show the accuracy of 97.42% and 95.23% and Cohen’s Kappa coefficient of 0.96 and 0.93 respectively.
کلیدواژه‌های انگلیسی مقاله EEG, هیجان, تحریک موسیقیایی, CNN
نویسندگان مقاله سبحان شیخی وند |
دانشجوی دکتری تخصصی، دانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز - ایران

زهره موسوی |
دکتری تخصصی، دانشکده مهندسی مکانیک - دانشگاه تبریز - تبریز - ایران

توحید یوسفی رضایی |
دانشیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه تبریز - تبریز – ایران

شعله اعلایی |
استادیار، گروه فیزیک، واحد ارومیه - دانشگاه آزاد اسلامی – ارومیه – ایران

نشانی اینترنتی https://isee.ui.ac.ir/article_25876_8f1abd7443d38d995b0defaa43663e2f.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات