抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
感情認識は,人間-コンピュータ相互作用(HCI)の分野で重要な役割を果たす。脳波(EEG)は,その利便性と移動性により人間の感情を推定するために広く使用されている。感情認識のためのEEGを用いた深層ニューラルネットワーク(DNN)手法は,最近,それらの認識精度に関して顕著な改善を示した。しかし,この分野におけるほとんどの研究は,DNNがそれ自身によって意味のある特徴を抽出する能力にもかかわらず,手作業特徴を抽出するための分離プロセスを必要とする。本論文では,三次元畳込みニューラルネットワーク(3D CNN)の使用に基づく感情を認識するための新しい方法を提案した。最初に,元の電極位置に従って,二次元(2D)EEGフレームに対する一次元(1D)時系列データのスタックとして表される生EEG信号を空間的に再構成した。次に,2D EEGフレームを時間軸に連結することにより,3D EEGストリームを表現した。生EEG信号のこれらの3D再構成は,3D CNNと効率的に組み合わせ,時空間データから顕著な特徴表現を示した。ここでは,DEAP(EEG,生理学的およびビデオ信号を用いた感情解析に対するデータセット)データセットに関する広範な実験を通して,提案した方法の感情的分類の精度を示した。実験結果は,提案した方法が,原子価と覚醒のバイナリ分類において,それぞれ,99.11%,99.74%,および99.73%の分類精度を達成し,そして,4クラス分類において,それぞれ,分類精度を達成することを示した。2D/3D CNNによるいくつかのタイプの入力法と比較して,提案した方法の時空間有効性を調べた。次に,カーネルと入力データの両方の最良実行形状を実験的に検証した。データ特性を完全に利用するEEGとネットワークの効率的な表現が,手作業特徴を適用する方法より優れていることを検証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】