論文の概要: EEG based Emotion Recognition: A Tutorial and Review

• arxiv url: http://arxiv.org/abs/2203.11279v1
• Date: Wed, 16 Mar 2022 08:28:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-27 05:12:09.824351
• Title: EEG based Emotion Recognition: A Tutorial and Review
• Title（参考訳）: eegに基づく感情認識:チュートリアルとレビュー
• Authors: Xiang Li, Yazhou Zhang, Prayag Tiwari, Dawei Song, Bin Hu, Meihong Yang, Zhigang Zhao, Neeraj Kumar, Pekka Marttinen
• Abstract要約: 脳波に基づく感情認識の科学的基礎を心理学的・生理学的に紹介する。 本稿では,これらのレビューを異なる技術経路に分類し,理論的基礎と研究モチベーションを説明する。
• 参考スコア（独自算出の注目度）: 21.939910428589638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotion recognition technology through analyzing the EEG signal is currently an essential concept in Artificial Intelligence and holds great potential in emotional health care, human-computer interaction, multimedia content recommendation, etc. Though there have been several works devoted to reviewing EEG-based emotion recognition, the content of these reviews needs to be updated. In addition, those works are either fragmented in content or only focus on specific techniques adopted in this area but neglect the holistic perspective of the entire technical routes. Hence, in this paper, we review from the perspective of researchers who try to take the first step on this topic. We review the recent representative works in the EEG-based emotion recognition research and provide a tutorial to guide the researchers to start from the beginning. The scientific basis of EEG-based emotion recognition in the psychological and physiological levels is introduced. Further, we categorize these reviewed works into different technical routes and illustrate the theoretical basis and the research motivation, which will help the readers better understand why those techniques are studied and employed. At last, existing challenges and future investigations are also discussed in this paper, which guides the researchers to decide potential future research directions.
• Abstract（参考訳）: 脳波信号の解析による感情認識技術は、現在、人工知能において不可欠な概念であり、感情的な医療、人間とコンピュータの相互作用、マルチメディアコンテンツレコメンデーションなどにおいて大きな可能性を秘めている。 eegベースの感情認識をレビューする作品がいくつかあるが、これらのレビューの内容を更新する必要がある。 加えて、これらの作品は内容が断片化されているか、この分野で採用されている特定の技術にのみ焦点をあてている。 そこで,本論文では,この話題の一歩を踏み出そうとする研究者の視点から考察する。 我々は,脳波に基づく感情認識研究における最近の代表的研究を概観し,研究者が最初から始めるよう指導するチュートリアルを提供する。 脳波に基づく感情認識の科学的基礎を心理学的・生理学的に紹介する。 さらに、これらのレビューを異なる技術経路に分類し、理論的基礎と研究モチベーションを説明することにより、読者がなぜその技術が研究され、採用されるのかをよりよく理解できるようにする。 最後に、研究者が将来の研究の方向性を決定するための指針として、既存の課題と今後の研究についても論じる。

関連論文リスト

• A Comprehensive Survey on EEG-Based Emotion Recognition: A Graph-Based Perspective [12.712722204034606]
  脳波に基づく感情認識は、人間の脳の感情パターンに直感的に反応することができる。 重要なトレンドは、そのような依存をカプセル化するグラフの適用である。 脳波に基づく感情認識に感情関連グラフを構築するための総合的なレビューやチュートリアルは存在しない。
  論文  参考訳（メタデータ） (2024-08-12T09:29:26Z)
• Generative Technology for Human Emotion Recognition: A Scope Review [11.578408396744237]
  本調査は,2024年6月までに320以上の研究論文を総合的に分析し,既存の文献のギャップを埋めることを目的としている。 異なる生成モデルと一般的に使用されるデータセットの数学的原理を導入する。 様々なモダリティに基づいて、生成技術がどのように感情認識に対処するかを詳細に分析する。
  論文  参考訳（メタデータ） (2024-07-04T05:22:55Z)
• ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
  CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。 CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。 本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
  論文  参考訳（メタデータ） (2024-05-17T15:45:08Z)
• Enhancing Emotional Generation Capability of Large Language Models via Emotional Chain-of-Thought [50.13429055093534]
  大規模言語モデル(LLM)は様々な感情認識タスクにおいて顕著な性能を示した。 本研究では,感情生成タスクにおけるLLMの性能を高めるための感情連鎖(ECoT)を提案する。
  論文  参考訳（メタデータ） (2024-01-12T16:42:10Z)
• Unlocking the Emotional World of Visual Media: An Overview of the Science, Research, and Impact of Understanding Emotion [24.920797480215242]
  本稿では、視覚メディアにおける感情分析の分野について概観する。 本稿では、感情の心理的基礎と、イメージやビデオからの感情の理解の基盤となる計算原理について論じる。 これはコンピューティングにおける「Holy Grail」研究の問題であり、今後の調査において重要な方向を示すものであると我々は主張する。
  論文  参考訳（メタデータ） (2023-07-25T12:47:21Z)
• Stimuli-Aware Visual Emotion Analysis [75.68305830514007]
  本稿では,刺激選択,特徴抽出,感情予測の3段階からなる刺激認識型視覚感情分析(VEA)手法を提案する。 我々の知る限りでは、エンド・ツー・エンドのネットワークでVEAに刺激選択プロセスを導入するのは初めてです。 実験により、提案手法は、4つの公的な視覚的感情データセットに対する最先端のアプローチよりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-04T08:14:52Z)
• Emotion Recognition for Healthcare Surveillance Systems Using Neural Networks: A Survey [8.31246680772592]
  本稿では、ニューラルネットワークを用いた感情認識の分野での最近の研究について述べる。 我々は、感情の認識を音声、表情、音声視覚入力から研究することに集中する。 これら3つの感情認識技術は、患者を監視するための医療センターの監視システムとして使用できる。
  論文  参考訳（メタデータ） (2021-07-13T11:17:00Z)
• Affective Image Content Analysis: Two Decades Review and New Perspectives [132.889649256384]
  我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。 我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。 画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
  論文  参考訳（メタデータ） (2021-06-30T15:20:56Z)
• Computational Emotion Analysis From Images: Recent Advances and Future Directions [79.05003998727103]
  本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。 心理学の一般的な感情表現モデルから始めます。 そして、研究者たちが解決しようとしている重要な計算問題を定義します。
  論文  参考訳（メタデータ） (2021-03-19T13:33:34Z)
• Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
  顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。 感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
  論文  参考訳（メタデータ） (2021-03-01T08:31:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。