文献

J-GLOBAL ID：202002240877514406   整理番号：20A0972696

生理学的データからの感情分類のための深層学習アプローチ【JST・京大機械翻訳】

A Deep Learning Approach for Classifying Emotions from Physiological Data

著者 (5件)： AlZoubi Omar (Jordan University of Science and Technology,Department of Computer Science,Irbid,Jordan) ,  ALMakhadmeh Buthina (Jordan University of Science and Technology,Department of Computer Science,Irbid,Jordan) ,  Tawalbeh Saja Khaled (Jordan University of Science and Technology,Department of Computer Science,Irbid,Jordan) ,  Bani Yassien Muneer (Jordan University of Science and Technology,Department of Computer Science,Irbid,Jordan) ,  Hmeidi Ismail (Jordan University of Science and Technology,Department of Computer Science,Irbid,Jordan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICICS  ページ： 214-219  発行年： 2020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： 生理学的シグナルを形成する影響は,最近活発な研究分野であった。それには,教育,コンピュータゲーム,自動車運転者監視,および健康に多くの応用がある。心電図,筋電図,呼吸および皮膚伝導率は,感情状態を認識するための潜在的生理学的チャンネルと考えられている。物理学に基づく影響検出に関する大量の文献があり,実験室条件下での感情状態の高い検出率(離散的な運動または次元的な原子価/覚醒)に関する報告がある。しかし,一つの挑戦は,生理学的測度が時間,非定常性に関してかなりの変動を示し,将来のデータの分類を困難にすることである。本研究では,複数セッションにわたる生理学的特徴の変化を調べることを目的とした。著者らの実験では,複数の日にわたって,国際的な感情的画像システム(IAPS)からの一連の画像を見た4人の参加者から収集されたデータセットを使用する。また,本研究は,原子価と覚醒次元感情モデルの両方について,自己報告とIAPS評価の間の比較を提供する。加えて,本研究は影響検出のための個々の生理学的チャンネルの性能の分析を提供する。結果は,Deepニューラルネットワークが,原子価と覚醒のためのIAPS評価と比較して,61.12%,67.14%の検出自己報告によって精度を達成したことを示した。結果はまた,EMGzyg的特徴とすべての生理学的チャンネルからの特徴の融合が,原子価と覚醒の両方に対して最も高い影響検出精度を有することを示した。Copyright 2020 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： 測度 ,  心電図 ,  ニューラルネットワーク ,  原子価 ,  筋電図 ,  *覚醒 ,  チャネル
準シソーラス用語： 自動車運転 ,  検出率 ,  検出精度 ,  感情モデル ,  伝導率 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 生理学 ,  感情分類 ,  深層学習