論文の概要: Towards emotion recognition for virtual environments: an evaluation of EEG features on benchmark dataset

• arxiv url: http://arxiv.org/abs/2210.13876v1
• Date: Tue, 25 Oct 2022 10:02:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 15:58:52.105699
• Title: Towards emotion recognition for virtual environments: an evaluation of EEG features on benchmark dataset
• Title（参考訳）: 仮想環境における感情認識に向けて:ベンチマークデータセットにおける脳波機能の評価
• Authors: M. L. Menezes, A. Samara, L. Galway, A. Sant'anna, A. Verikas, F. Alonso-Fernandez, H. Wang, R. Bond
• Abstract要約: 本稿では,感情状態モデリングを目的とした脳波信号から抽出した特徴について検討する。 ユーザへの影響をモデル化し、仮想環境におけるインタラクションエクスペリエンスを向上させるための基盤を提供することを目標としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the challenges in virtual environments is the difficulty users have in interacting with these increasingly complex systems. Ultimately, endowing machines with the ability to perceive users emotions will enable a more intuitive and reliable interaction. Consequently, using the electroencephalogram as a bio-signal sensor, the affective state of a user can be modelled and subsequently utilised in order to achieve a system that can recognise and react to the user's emotions. This paper investigates features extracted from electroencephalogram signals for the purpose of affective state modelling based on Russell's Circumplex Model. Investigations are presented that aim to provide the foundation for future work in modelling user affect to enhance interaction experience in virtual environments. The DEAP dataset was used within this work, along with a Support Vector Machine and Random Forest, which yielded reasonable classification accuracies for Valence and Arousal using feature vectors based on statistical measurements and band power from the \'z, \b{eta}, \'z, and \'z\'z waves and High Order Crossing of the EEG signal.
• Abstract（参考訳）: 仮想環境における課題の1つは、ユーザがますます複雑なシステムと対話することの難しさである。 究極的には、ユーザー感情を知覚できるエンドウイングマシンは、より直感的で信頼性の高いインタラクションを可能にする。 これにより、生体信号センサとしての脳波を用いて、ユーザの感情を認識し、反応できるシステムを実現するために、ユーザの感情状態をモデル化し、その後に活用することができる。 本稿では,ラッセルの循環モデルに基づく情動状態モデリングを目的とした脳波信号から抽出した特徴について検討する。 仮想環境におけるインタラクションエクスペリエンスを向上させるために,ユーザ影響のモデル化における今後の作業の基盤となることを目的とした調査を行った。 DEAPデータセットは、サポートベクトルマシンとランダムフォレストと共にこの研究で使われ、統計的測定と、'z, \b{eta}, \'z, \'z\'z波のバンドパワーと、EEG信号の高次交差に基づく特徴ベクトルを用いて、ヴァレンスとオーラルのための合理的な分類精度を得た。

関連論文リスト

• Emotion Recognition from the perspective of Activity Recognition [0.0]
  人間の感情状態、行動、反応を現実世界の環境に適応させることは、潜伏した連続した次元を用いて達成できる。 感情認識システムが現実のモバイルおよびコンピューティングデバイスにデプロイされ統合されるためには、世界中の収集されたデータを考慮する必要がある。 本稿では,注目機構を備えた新しい3ストリームエンドツーエンドのディープラーニング回帰パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-03-24T18:53:57Z)
• Inter Subject Emotion Recognition Using Spatio-Temporal Features From EEG Signal [4.316570025748204]
  この研究は、脳波信号から感情を独立して分類する、簡単に実装できる感情認識モデルに関するものである。 このモデルは、感情を分類するために、CNNの正規層、深さ層、分離可能な畳み込み層の組み合わせである。 精度は73.04%だった。
  論文  参考訳（メタデータ） (2023-05-27T07:43:19Z)
• EEG2Vec: Learning Affective EEG Representations via Variational Autoencoders [27.3162026528455]
  我々は、感情的な刺激に反応して、潜在ベクトル空間におけるニューラルデータを表現することが、両方の感情状態を予測するのに役立つかどうかを考察する。 脳波データから生成的識別的表現を学習するための条件付き変分オートエンコーダベースのフレームワークであるEEG2Vecを提案する。
  論文  参考訳（メタデータ） (2022-07-16T19:25:29Z)
• Transformer-Based Self-Supervised Learning for Emotion Recognition [0.0]
  心電図(ECG)を感情認識に利用するトランスフォーマーモデルを提案する。 感情ラベル付きデータセットの比較的小さなサイズを克服するために,自己教師型学習を採用する。 AMIGOSの心電図信号を用いた感情認識の最先端性能を示す。
  論文  参考訳（メタデータ） (2022-04-08T07:14:55Z)
• Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
  本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。 我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。 この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
  論文  参考訳（メタデータ） (2021-09-09T16:04:14Z)
• Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
  触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。 EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。 さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-08-11T03:49:59Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Cross-individual Recognition of Emotions by a Dynamic Entropy based on Pattern Learning with EEG features [2.863100352151122]
  複数の個体の神経生理学的特徴に関連する情報的指標を抽象化するために,動的エントロピーに基づくパターン学習(DEPL)として表されるディープラーニングフレームワークを提案する。 DEPLは、ダイナミックエントロピーに基づく特徴の皮質位置間の相互依存性をモデル化することにより、ディープ畳み込みニューラルネットワークによって生成された表現の能力を向上した。
  論文  参考訳（メタデータ） (2020-09-26T07:22:07Z)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。