文献

J-GLOBAL ID：201902210689870841   整理番号：19A1454986

カオス特徴を用いた感情認識とニューラルネットワークによる記号力学【JST・京大機械翻訳】

Emotion Recognition Using Chaotic Features And Symbolic Dynamic via Neural Networks

著者 (3件)： Kanani Mahsa (Biomedical Engineering Department, Islamic Azad, Tehran, Iran) ,  Manthouri Mohammad (Electrical and Electronic Engineering Department, Shahed university, Tehran, Iran) ,  Abdossalehi Mehdi (Department of Engineering, Islamic Azad University, Islamshahr, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： KBEI  ページ： 558-564  発行年： 2019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： 感情は,個人の日常決定の大部分である人間生活の最も重要な側面の1つである。本研究の目的は,感情開始時の個人の脳信号を調べることである。本研究では,生物学的シグナルの挙動を研究するのに適した非線形法である記号動力学の定性的および定量的解析を,感情的分離の異なる段階の間で作成した。記号力学解析は複雑なシステムと動的時系列記述の解析に理想的であることが証明されている。さらに,非線形およびカオス的特徴(相関次元,再帰定量化分析(RQA))の抽出に対して,特徴の次元を低減するために主成分分析法(PCA)を使用し,次に,3つの感情クラス,LALV,HAHV,および中立を,多層パーセプトロン神経回路網(異なる構成を持つMLP)およびK最近傍(KNN)を用いて分類した。提案した方法を評価するために,DEAPデータベースからの脳波(EEG)信号を用いた。このデータベースにおいて,32人のEEGチャネルを32人の人々から記録し,一方,音楽ビデオクリップを監視した。本研究の結果は,5-NNに対する特徴の選択/構成の方法としてPCAを用いて3つの感情クラスを分類する最も高い平均精度が85%であることを示した。また,多層パーセプトロンの精度は79%に達した。PCA法を用いた後の精度も7%増加した(78%から85%まで)。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 多層パーセプトロン ,  生体信号 ,  定量的分析 ,  音楽 ,  *ニューラルネットワーク ,  脳波 ,  *カオス ,  チャネル ,  主成分分析 ,  データベース
準シソーラス用語： ビデオクリップ ,  相関次元 ,  記号動力学 ,  *感情認識 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： カオス ,  感情認識 ,  ニューラルネットワーク ,  記号 ,  力学