文献

J-GLOBAL ID：202102246464785111   整理番号：21A0069827

適応混合独立成分分析を用いたビデオ視聴中のEEG動力学と感情評価の関係の調査【JST・京大機械翻訳】

Examining the Relationship between EEG Dynamics and Emotion Ratings during Video Watching using Adaptive Mixture Independent Component Analysis

著者 (3件)： Ran Shihan (University of California, San Diego (UCSD),Swartz Center for Computational Neuroscience,La Jolla,CA) ,  Hsu Sheng-Hsiou (University of California, San Diego (UCSD),Swartz Center for Computational Neuroscience,La Jolla,CA) ,  Jung Tzyy-Ping (University of California, San Diego (UCSD),Swartz Center for Computational Neuroscience,La Jolla,CA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 1491-1497  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： 脳波(EEG)ベースの感情認識は,感情コンピューティングにおける分野を進歩させ,人間-コンピュータインタラクションにおける応用を可能にした。教師つき機械学習法を用いて感情を解読するには著しい進歩がなされてきたが,感情実験中の根底にあるEEG動力学を探索するためのデータ駆動,教師なし手法を適用し,そのようなダイナミクスが感情の主観的報告とどのように相関するかを調べた。本研究では,32人の被験者が感情的ビデオを見るDEAPデータセットからのEEGデータに対して,教師なしアプローチである適応混合独立成分分析(AMICA)を採用した。経験的結果は,AMICAが感情実験で集めたEEG日を切り離す異なるモデルを学習できることを示した。EEGパターンにおける同定された変化は,4つの報告された感情尺度と弱く相関し,根底にあるEEG動態は,感情的活動および感情関連脳動態を部分的に反映することを示した。さらに,EEG動力学と個人の主観的感情評価の間の相関は,EEGとオンライン評価者からの平均評価の間のそれらより有意に高かった。最後に,EEG動力学に基づく感情復号モデルの構築は,覚醒と比較して,原子価評価に対して,有意に良好な分類性能を明らかにした。本研究は,感情実験におけるEEG動力学の特性化におけるAMICAの使用を実証し,EEGと報告された感情経験の間の関係への洞察を与えた。教師なし学習アプローチは,感情関係のないEEGアーチファクトのような感情と他の交絡因子を研究するために適用することができ,それによって,EEGベースの感情コンピューティングのための感情復号化の性能を改善する。Copyright 2021 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： 脳波 ,  教師なし学習 ,  原子価 ,  復号化 ,  *録画装置 ,  覚醒 ,  キャラクタリゼーション ,  アーチファクト ,  *独立成分分析
準シソーラス用語： 被験者 ,  感情認識 ,  オンライン ,  データ駆動 ,  教師付き機械学習 ,  感情コンピューティング , 【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 (9件)： 適応 ,  独立成分分析 ,  ビデオ ,  視聴 ,  EEG ,  動力学 ,  感情 ,  評価 ,  調査