文献

J-GLOBAL ID：201602272746868087   整理番号：16A1209657

EEGベース動的音楽感情認識における深い信念ネットワークの適用【Powered by NICT】

Application of deep belief networks in eeg-based dynamic music-emotion recognition

著者 (3件)： Thammasan Nattapong (Graduate School of Information Science and Technology, Osaka University, Japan 565-0871) ,  Fukui Ken-ichi (Institute of Scientific and Industrial Research (ISIR), Osaka University, Japan 567-0047) ,  Numao Masayuki (Institute of Scientific and Industrial Research (ISIR), Osaka University, Japan 567-0047)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 881-888  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 脳波(EEG)に基づく音楽聴取中の感情状態は,過去10年間に研究者の注目を捕捉した。深層信念ネットワーク(DBN)はEEGに基づく感情認識における初期の研究を含む様々な分野で成功してきたが,DBNは音楽ドメイン,特に感情の時変特性を考慮した動的戦略における感情分類を改善するかどうかは不明のままである。本論文では,感情は被験者が時間で連続的に注釈した音楽聴取における感情認識を改善するためのDBNを適用することの初期研究を提示した。層別10倍相互検証戦略を用いた主題-依存の結果は,DBNはフラクタル次元(FD),パワースペクトル密度(PSD),と離散ウェーブレット変換(DWT)特徴を持つ原子価分類の性能を改善し,FDおよびDWT特徴と覚醒分類の性能を改善できることを示唆した。さらに,時間の特徴(FD)および時間-周波数(DWT)ドメインを用いたときスライディングウィンドウのサイズは分類精度に影響することを見出し,より小さな窓(1~4秒)は,より大きな窓(5~8秒)と比較してより高い性能を達成することができた。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 層別 ,  原子価 ,  フラクタル次元 ,  覚醒 ,  パワースペクトル密度 ,  脳波 ,  周波数 ,  *音楽
準シソーラス用語： 分類精度 ,  離散ウェーブレット変換 ,  被験者 ,  感情分類 ,  *感情認識 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： EEG ,  音楽 ,  感情認識 ,  信念ネットワーク