文献

J-GLOBAL ID：201702244025169672   整理番号：17A0117337

EEGと半教師つき深い学習アプローチを用いた感情状態分類【Powered by NICT】

Affective states classification using EEG and semi-supervised deep learning approaches

著者 (2件)： Xu Haiyan (The Edward S. Rogers Sr. Department of Electrical and Computer Engineering, University of Toronto, 10 King’s College Road, Toronto, ON, M5S3G4, Canada) ,  Plataniotis Konstantinos N. (The Edward S. Rogers Sr. Department of Electrical and Computer Engineering, University of Toronto, 10 King’s College Road, Toronto, ON, M5S3G4, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： MMSP  ページ： 1-6  発行年： 2016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： ユーザの感情状態は,多くの応用,個人情報(例えば,マルチメディアコンテンツ)検索/デリバリーまたは知的人間-計算機インタフェイス設計のための重要な情報を提供する。最近年では,特に脳波(EEG),生理学的信号は社会的相互作用時またはビデオや音声刺激下でのユーザの感情状態を推定するに非常に有効であることが示されている。しかし,感情の神経発現と関連した多数のパラメータにより,EEG信号と感情状態発現の特異的空間とスペクトル相関における未知数の多くがまだ存在している。そのような相関を検討するために,二種類の半教師つき深い学習アプローチの,積層ノイズ除去オートエンコーダ(SDAE)と深層信念ネットワーク(DBN)は,EEG信号を用いた感情状態分類問題のための特定用途向け特徴抽出器として適用した。提案した半教師つきアプローチの有効性を評価するために,DEAPデータベースを用いた2次元感情状態を分類した被験者特異性感情状態分類実験。DBNに基づくモデルはF1平均スコアが86.67%,覚醒,原子価および好み状態に対する86.60%および86.69%の分類,有意に最先端の分類性能を改善したを達成した。各層で重みベクトルを調べることにより,最も識別特徴の空間またはスペクトル位置に洞察を得ることができた。半教師つき学習法を適用することのもう一つの主要な利点は,例えば,訓練サンプルの1/6,ラベル付きデータのわずかな部分だけを本研究で使用したことである。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ベクトル ,  データベース ,  二次元 ,  録画装置 ,  雑音低減 ,  脳波 ,  特徴抽出 ,  *学習 ,  被験者 ,  脳波信号
準シソーラス用語： 半教師つき学習 ,  スコア ,  特異性 ,  マルチメディアコンテンツ ,  *感情状態 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： EEG ,  教師 ,  学習 ,  感情状態 ,  分類