文献

J-GLOBAL ID：201902234112208695   整理番号：19A0488816

ハイブリッドディープニューラルネットワークによる脳波多次元特徴を用いた人間の感情認識【JST・京大機械翻訳】

Human Emotion Recognition with Electroencephalographic Multidimensional Features by Hybrid Deep Neural Networks

著者 (6件)： Li Youjun (Institute of International WIC, Beijing University of Technology, Beijing 100124, China) ,  Huang Jiajin (Institute of International WIC, Beijing University of Technology, Beijing 100124, China) ,  Zhou Haiyan (Institute of International WIC, Beijing University of Technology, Beijing 100124, China) ,  Zhong Ning (Institute of International WIC, Beijing University of Technology, Beijing 100124, China) ,  Zhong Ning (Beijing Advanced Innovation Center for Future Internet Technology, Beijing University of Technology, Beijing 100124, China) ,  Zhong Ning (Knowledge Information Systems Lab, Department of Life Science and Informatics, Maebashi Institute of Technology, Maebashi 371-0816, Japan)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 7  号： 10  ページ： 1060  発行年： 2017年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は脳波(EEG)信号により人間の感情を認識することである。著者らの研究方法の革新は,最初に,EEG信号の空間特性,周波数領域,および時間特性を統合し,それらを二次元画像に写像する。これらの画像を用いて,EEG信号による感情変化を表現するために,一連のEEG多次元特徴画像(EEG MFI)シーケンスを構築した。第二に,ハイブリッド深い神経回路網(CNN)と長い短時間記憶(LSTM)再帰ニューラルネットワーク(RNN)を結合した人間の感情状態を認識するために,EEG MFIシーケンスを扱うためにハイブリッド深いニューラルネットワークを構築した。著者らの方法を用いて,オープンソースデータセットDEAP(EEG,物理学,ビデオ信号を用いた動き解析のためのデータセット)を用いて,経験的研究を行い,この結果は,このfleldにおける最新の最先端手法に対する著しい改善を実証した。CLRNN(本研究で提案したハイブリッドニューラルネットワーク)による各被験者の平均感情分類精度は75.21%である。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *高次元 ,  周波数領域 ,  動作分析 ,  *脳波 ,  神経回路網 ,  画像信号 ,  画像 ,  *ニューラルネットワーク
準シソーラス用語： 分類精度 ,  被験者 ,  感情状態 ,  二次元画像 ,  脳波信号 ,  *感情認識 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 感情認識 ,  EEG信号 ,  多次元特徴 ,  ハイブリッドニューラルネットワーク ,  CNN ,  LSTM RNN

分類 (2件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S)

引用文献 (51件)：

• Mandryk, R.L.; Inkpen, K.M.; Calvert, T.W. Using psychophysiological techniques to measure user experience with entertainment technologies. Behav. Inf. Technol. 2006, 25, 141-158.
• Healey, J.A.; Picard, R.W. Detecting stress during real-world driving tasks using physiological sensors. IEEE Trans. Intell. Transp. Syst. 2005, 6, 156-166.
• Katsis, C.D.; Katertsidis, N.; Ganiatsas, G.; Fotiadis, D.I. Toward emotion recognition in car-racing drivers: A biosignal processing approach. IEEE Trans. Syst. Man Cybern. 2008, 38, 502-512.
• Katsis, C.D.; Katertsidis, N.S.; Fotiadis, D.I. An integrated system based on physiological signals for the assessment of affective states in patients with anxiety disorders. Biomed. Signal Process. Control 2011, 6, 261-268.
• Verschuere, B.; Ben-Shakhar, G.; Meijer, E. Memory Detection: Theory and Application of the Concealed Information Test. In Psychopathy and the Detection of Concealed Information; Verschuere, B., Ben-Shakhar, G.M., Meijer, E., Eds.; Cambridge University Press: Cambridge, UK, 2011; pp. 215-230.

タイトルに関連する用語 (5件)： ディープニューラルネットワーク ,  脳波 ,  多次元 ,  人間 ,  感情認識