文献

J-GLOBAL ID：202202244986001274   整理番号：22A1051486

注意駆動ニューラルネットワークを用いたEEG信号を用いた被験者独立感情認識【JST・京大機械翻訳】

Subject independent emotion recognition using EEG signals employing attention driven neural networks

著者 (4件)： Arjun (Electrical Engineering, Indian Institute of Technology (IIT) Palakkad, India) ,  Rajpoot Aniket Singh (Computer Science and Engineering, Indian Institute of Technology (IIT) Palakkad, India) ,  Panicker Mahesh Raveendranatha (Electrical Engineering, Indian Institute of Technology (IIT) Palakkad, India) ,  Panicker Mahesh Raveendranatha (Computer Science and Engineering, Indian Institute of Technology (IIT) Palakkad, India)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 75  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  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： 脳波(EEG)に基づく感情分析は,医療科学,セキュリティおよびヒト-コンピュータインタラクションにおいて,良好な成功と使用されてきた。最近,古典的信号処理と機械学習に基づくフレームワークと比較して,深層学習ベース手法は分類精度を大幅に改善した。しかし,それらのほとんどは,EEGデータに存在する被験者間変動性のために,被験者非依存タスクで一般化できない被験者依存研究であった。本研究では,被験者に依存しない感情認識を行うことのできる新しい深層学習フレームワークを示し,2つの部分で構成した。最初に,チャネル-注意自動符号器を有する教師なしLong Short-Termメモリ(LSTM)を,各個人のEEGデータに存在する固有変数である,主題不変潜在ベクトル部分空間を得るために提案した。第2に,注意フレームワークを有する畳み込みニューラルネットワーク(CNN)を,提案したLSTMから得た符号化された低次元潜在空間表現に関する主題独立感情認識のタスクを,チャネル-注意自動符号器で実行するために提示する。注意機構により,提案手法はEEG信号の顕著な時間セグメントを浮き彫りにし,その結果により検証されるように,考慮中の感情に寄与する。DEAPデータセット,SEEDデータセットおよびCHB-MITデータセットのようなEEG信号に対する公開利用可能なデータセットを用いて提案アプローチを検証した。提案した方法論により,DEAPデータセットにおける原子価および覚醒分類に対する平均被験者独立精度65.9%,69.5%,およびSEEDデータセットにおける陽性陰性分類に対する76.7%を得た。CHB-MITデータセットについては,平均被験者の独立精度が69.1%,67.6%,72.3%,Pre-Ictal Vs Ictal,Inter-Ictal Vs Inter-Ictal分類が得られ,これは著者らの知識の最良に最先端である。提案したエンドツーエンド深層学習フレームワークは,異なる手操作特徴の要求を除去し,被験者独立データに関する様々な種類のEEG解析を実行することができる単一包括的タスク診断EEG解析ツールを提供する。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： 記憶装置 ,  ベクトル ,  脳波 ,  *ニューラルネットワーク ,  信号処理 ,  ヒト ,  *認識 ,  符号器 ,  エンドツーエンド方式 ,  覚醒 ,  *注意 ,  機械学習
準シソーラス用語： *被験者 ,  *感情認識 ,  *脳波信号 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 注意層 ,  脳波 ,  感情認識 ,  ニューラルネットワーク ,  主題に依存しない精度

分類 (2件)： 応用心理学  (AE02000A) ,  生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 注意 ,  ニューラルネットワーク ,  EEG信号 ,  被験者 ,  感情認識