بهبود تشخیص احساسات افراد در سیگنال های مغزی الکتروانسفالوگرافی با استفاده از شبکه های عصبی مصنوعی عمیق

از زمینه های تحقیقاتی که در سال های اخیر پژوهش های مختلفی بر روی آن صورت گرفته، تشخیص احساسات در سیگنال های الکتروانسفالوگرافی است. در این پژوهش با ارائه روشی 4 لایه اقدام به بهبود تشخیص احساسات افراد از طریق این سیگنال ها خواهیم نمود. این پژوهش، از مجموعه دادگان DEAP استفاده کرده و روشی 4 لایه ارائه داده که عبارتند از: 1- پیش پردازش 2- استخراج ویژگی 3- کاهش بعد 4- تشخیص و تخمین احساسات. برای یافتن انتخاب های بهینه در برخی مراحل از این لایه ها نیز آزمایش های متفاوتی صورت گرفته است. در این پژوهش، 3 آزمایش متفاوت صورت گرفته است. اول، یافتن مناسب ترین پنجره در بخش استخراج ویژگی که نتیجه آن برتری پنجره Hamming نسبت به سایر پنجره ها بود. دوم، انتخاب مناسب ترین تعداد فیلتربانک که مناسب ترین نتیجه آن تعداد 26 بود. سومین آزمایش نیز تشخیص احساسات بود که دقتی معادل 81. 58 برای بعد برانگیختگی، 79. 87 برای بعد ظرفیت و 80. 35 برای بعد احاطه در آزمایش 2 کلاسه و 68. 54 برای بعد برانگیختگی، 66. 31 برای بعد ظرفیت و 66. 92 برای بعد احاطه در آزمایش 3 کلاسه را به همراه داشت. نتایج حاصله از این روش بهبود 7. 38 درصدی در سطح 2 کلاسه و 3. 38 درصدی در سطح 3 کلاسه در بعد برانگیختگی را نشان داد. این بهبود در بعد ظرفیت به ترتیب برابر 7. 54 و 5. 21 بوده است. نتایج به دست آمده حاکی از آن است که روش پیشنهادی می تواند منجر به بهبود دقت تشخیص احساسات گردد.