دسترسی همگانی(OPAC) نام کتابخانه در اوپک

ارائه ی روشی برای تشخیص احساسات مبتنی بر سیگنال EEG با استفاده از یادگیری عمیق (1399) / نقوی ، فاطمه، نویسنده
نوع مدرک:متون چاپی
سرشناسهنقوی ، فاطمه، نویسنده
رده‌بندی کنگره :‭COM A ‭8 1399
عنوان :ارائه ی روشی برای تشخیص احساسات مبتنی بر سیگنال EEG با استفاده از یادگیری عمیق
عنوان موازی :EEG based Emotion Recognition Using Deep Learning
ناشر:دانشگاه شهید اشرفی اصفهانی: اصفهان
سال نشر :1399
صفحه شمار:61ص
شابک/شاپا23339
یادداشتپایان نامه کارشناسی ارشد: هوش مصنوعی
شناسه افزوده :نقش نیلچی ، احمدرضا، استاد راهنما
توصیفگرهاتشخیص احساس  سیگنال مغزی  یادگیری عمیق  Emotion Detection  Brain Signal  Deep Learning
چکیده :احساسات که هم روی وضعیت فیزیولوژیکی و هم روحی انسان تاثیر می¬گذارد نقش مهمی را در زندگی بشر ایفا می¬کند. احساسات مثبت به بهبود سلامت انسان و بازدهی کار کمک می¬کند در حالی که احساسات منفی ممکن است باعث بروز مشکلات سلامتی شوند. احساسات منفی در طولانی مدت مستعد افسردگی هستند و ممکن است در نهایت منجر به خودکشی شوند. تشخیص احساس در حوزه-های مختلفی چون سلامت رانندگی، مراقبت از سلامتی به ویژه سلامتی روحی، امنیت اجتماعی ، و... کاربرد دارد. به طور کلی، متدهای تشخیص احساس به دو دسته¬ی مهم تقسیم می¬شوند. یک دسته استفاده از سیگنال¬های فیزیکی انسان مانند حالت صورت ، صوت و ژست و... است که مزیت آن¬ها این است که به آسانی جمع¬آوری می¬شوند و سال¬های زیادی مورد مطالعه قرار گرفته¬اند. هر چند قابلیت اعتماد در آن¬ها تضمین نمی¬شود زیرا کنترل آن¬ها برای انسان جهت مخفی کردن احساسات واقعیشان به ویژه در ارتباطات اجتماعی بسیار آسان است. دسته¬ی دیگر استفاده از سیگنال¬های داخلی از جمله سیگنال مغز است. تاکنون روش¬های متعددی برای تشخیص احساس مبتنی بر سیگنال مغز پیشنهاد شده است که نیاز بهبود دقت تشخیص دارند. در این پایان نامه سعی شده است تا دقت تشخیص با اراِئه¬ی یک روش یادگیری عمیق و استفاده از ویژگی¬های سیگنال افزایش داده شود. مدل پیشنهادی علاوه بر سیگنال¬ها با ویژگی¬ها نیز تغذیه می¬شود. و بعد از یادگیری نگاشت ویژگی¬های مربوط به سیگنال و ویژگی، همه¬ی نگاشت ویژگی¬¬ها را کنار هم قرار داده سپس بر اساس آن دسته¬بندی داده¬ها را انجام می¬دهد. همچنین مدل دو بار آموزش داده شده است. روش پیشنهادی روی مجموعه¬ داده سید مورد ازریابی قرار گرفته¬است و نتایج نشان می¬دهد که این روش توانسته نتیجه¬ی مطلوبی در این زمینه داشته باشد. دقت تشخیص با استفاده از روش پیشنهادی 3/87 می¬باشد
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=12651
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
23339‭COM A ‭8 1399 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :21