文献

J-GLOBAL ID：202002213436082184   整理番号：20A0336648

機械学習を用いた多チャネル脳波に基づく感情認識【JST・京大機械翻訳】

Multichannel Electroencephalography-based Emotion Recognition Using Machine Learning

著者 (4件)： Yulita IN (Departement of Computer Science, Universitas Padjadjaran, Jl. Raya Bandung - Sumedang Km. 21, Sumedang 45363, Indonesia) ,  Julviar RR (Departement of Computer Science, Universitas Padjadjaran, Jl. Raya Bandung - Sumedang Km. 21, Sumedang 45363, Indonesia) ,  Triwahyuni A (Faculty of Psychology, Universitas Padjadjaran, Jl. Raya Bandung - Sumedang Km. 21, Sumedang 45363, Indonesia) ,  Widiastuti T (Faculty of Psychology, Universitas Padjadjaran, Jl. Raya Bandung - Sumedang Km. 21, Sumedang 45363, Indonesia)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1230  号： 1  ページ： 012008 (8pp)  発行年： 2019年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 近年,人間-コンピュータ相互作用(HCI)の分野における研究は,人間の感情を認識し理解する際に機械機能を強化することに焦点を当てている。感情認識は,音,顔表情,あるいは両者の組合せを通して,いくつかの方法で行うことができる。異なる人種と国からの異なる音と顔表情は,これらの方法を用いた感情の読み取りにおいてより正確でない。脳波(EEG)からのデータを分析することにより,感情を認識するためのもう一つの方法を行うことができる。人間の脳からのEEG信号は様々な活動の結果である。その一つは情動である。本研究で用いたEEG信号はDEAPデータセットから得た。このデータセットは,40のEEG記録を含む32のファイルから構成されている。このデータセットからの感情は覚醒と原子価の次元に基づいて分類される。次に,信号を帯域通過フィルタリングを通して3つの異なる周波数群(アルファ,β,およびγ)に分解した。その後,主成分分析(PCA)と再サンプリングを実施した。分類プロセスは機械学習の多くの方法を用いた。結果は,K星の性能が最も高く,一方,ナイーブBayesが最も低いことを知った。覚醒と原子価分類におけるK-星の精度は,それぞれ81.2,82.6であった。ナイーブBayesは覚醒に対して51.2を,価に対して52.5を得た。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  コンピュータ ,  音響 ,  覚醒 ,  *脳波 ,  相互作用 ,  帯域フィルタ ,  主成分分析 ,  原子価
準シソーラス用語： リサンプリング ,  脳波信号 ,  顔表情 ,  *感情認識 ,  マルチチャネル , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： 機械学習 ,  多チャネル ,  脳波 ,  感情認識