文献

J-GLOBAL ID：202202242363336576   整理番号：22A0478777

多変量EEG信号の時間-周波数解析に基づく人間の感情認識【JST・京大機械翻訳】

Human emotion recognition based on time-frequency analysis of multivariate EEG signal

著者 (2件)： V. Padhmashree (Department of Electronics and Communication Engineering, National Institute of Technology Hamirpur, Hamirpur 177005, India) ,  Bhattacharyya Abhijit (Department of Electronics and Communication Engineering, National Institute of Technology Hamirpur, Hamirpur 177005, India)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 238  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 人間の感情状態の発現を理解することは,対話型マルチモーダルインタフェイス,感情コンピューティング,およびヘルスケア部門において顕著な役割を果たす。脳波(EEG)信号による感情認識は,簡単,安価,コンパクトで正確な解決策である。本論文では,多変量EEG信号を用いた人間の感情認識のための新しい4段階法を提案した。第一段階では,多変量変分モード分解(MVMD)を用いて多チャネルEEG信号から多変量変調振動(MMO)の集合を抽出した。第2段階では,関節瞬時振幅(JIA)を用いて多変量時間周波数(TF)画像を生成し,抽出したMMOから計算された関節瞬時周波数(JIF)関数を作成した。次の段階で,深い残留畳込みニューラルネットワークResNet-18を,TF画像から隠れ特徴を抽出するためにカスタマイズした。最後に,分類をソフトマックス層によって実行した。さらにモデルの性能を評価するために,様々な機械学習(ML)分類器を採用した。提案方法の実現可能性と有効性を,2つの異なる公開感情EEGデータセットを用いて検証する。実験結果は,提案した方式が,覚醒,優越,および原子価感情を分類するために,それぞれ99.03,97.59,および97.75%の最良精度で最先端の感情認識法より優れていることを証明した。本研究は,深い残差ネットワークを用いたTFベースの多変量EEG信号解析が,人間の感情認識において優れた性能を達成することを明らかにした。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 変分法 ,  ネットワーク ,  脳波 ,  残差 ,  原子価 ,  *周波数解析 ,  覚醒 ,  有効性 ,  機械学習 ,  マルチモーダルインタフェイス
準シソーラス用語： *時間周波数解析 ,  マルチチャネル ,  *感情認識 ,  モード分解 ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (6件)： 感情認識 ,  多変量EEG ,  MVMD ,  深層学習 ,  残存ネットワーク ,  時間-周波数解析

分類 (2件)： 応用心理学  (AE02000A) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 多変量 ,  EEG信号 ,  時間-周波数解析 ,  人間 ,  感情認識