استفاده از معماری شبکه عصبی پیچشی برای طبقه بندی احساسات با مطالعه سیگنال های الکتروانسفالوگرافی

مسئله تشخیص احساسات حائز اهمیت فراوانی است و در حوزه های گوناگون دارای کاربرد است که ازجمله آن ها می توان به موارد پزشکی اشاره کرد که می تواند به درمان بیماران سرعت ببخشد. این مطالعات نشان داده است که از سیگنال های مغزی می توان برای طبقه بندی بسیاری از حالات عاطفی استفاده کرد. این روند دشوار به نظر می رسد، به خصوص که سیگنال های مغز پایدار نیستند چراکه واکنش به حالت های مختلف احساسی که روی سیگنال های مغز تاثیر می گذارند متنوع اند. بنابراین، عملکرد سیستم های تشخیص احساسات توسط سیگنال های مغزی به کارایی الگوریتم های مورداستفاده بستگی دارد. اخیرا، مطالعه روی سیگنال بندی الکتروانسفالوگرافی به دلیل در دسترس بودن موردتوجه بسیاری قرارگرفته است. در این پژوهش از معماری شبکه های عصبی پیچشی و به طور دقیق تر شبکه های عصبی پیچشی سه بعدی برای طبقه بندی احساسات استفاده شده است که پس از انجام یک سری پیش پردازش ها مانند تبدیل موجک پیوسته بر روی سیگنال ها، آن ها را به عنوان ورودی به شبکه عصبی پیچشی سه بعدی داده که میزان دقت به دست آمده از شبکه طراحی شده در داده های آموزشی برابر ۹۸۰۷۲۹/۰ و بر داده های آزمایشی برابر ۹۸۸۹/۰ است. این امر نشان می دهد استفاده از این معماری خطای کمی دارد و وظیفه محول شده به آن را با دقت بالا و خطای کمی انجام می دهد.

کلیدواژه ها:

تشخیص احساسات ، شبکه عصبی پیچشی ، سیگنال الکتروانسفالوگرافی ، تبدیل موجی پیوسته ، محیط کولب در پایتون