Αναγνώριση συναισθήματος με ψηφιακή επεξεργασία σήματος ηλεκτροεγκεφαλογραφήματος
Loading...
Date
2026-02-26
Authors
Μπισμπιρούλια, Φλωρεντία
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η αναγνώριση ανθρώπινων συναισθημάτων αποτελεί ένα από τα σημαντικότερα πεδία έρευνας στον τομέα της συναισθηματικής υπολογιστικής (affective computing) και της αλληλεπίδρασης ανθρώπου-υπολογιστή. Η δυνατότητα των υπολογιστικών συστημάτων να ανιχνεύουν και να ερμηνεύουν συναισθηματικές καταστάσεις μπορεί να συμβάλει ουσιαστικά στη βελτίωση εφαρμογών όπως τα ευφυή συστήματα υγείας, τα προσαρμοστικά εκπαιδευτικά περιβάλλοντα, τα συστήματα ψυχαγωγίας και οι διεπαφές εγκεφάλου-υπολογιστή (Brain-Computer Interfaces). Τα τελευταία χρόνια, η αναγνώριση συναισθημάτων μέσω φυσιολογικών σημάτων
έχει προσελκύσει αυξημένο ερευνητικό ενδιαφέρον, καθώς προσφέρει πιο αντικειμενική εκτίμηση της εσωτερικής συναισθηματικής κατάστασης σε σύγκριση με εξωτερικές εκφράσεις όπως η φωνή ή οι εκφράσεις προσώπου. Μεταξύ των φυσιολογικών σημάτων, το ηλεκτροεγκεφαλογράφημα (Electroencephalogram – EEG) θεωρείται ιδιαίτερα σημαντικό, καθώς καταγράφει άμεσα τη δραστηριότητα του εγκεφάλου και διαθέτει υψηλή χρονική ανάλυση. Η ανάπτυξη της μηχανικής μάθησης και ιδιαίτερα της βαθιάς μάθησης (Deep Learning) έχει επιτρέψει την αξιοποίηση των σημάτων EEG για την αυτόματη αναγνώριση συναισθημάτων. Συνελικτικά νευρωνικά δίκτυα (CNN), αναδρομικά δίκτυα (RNN) και υβριδικές αρχιτεκτονικές έχουν εφαρμοστεί με επιτυχία στην ανάλυση δεδομένων EEG, επιτυγχάνοντας σημαντικές βελτιώσεις στην ακρίβεια ταξινόμησης. Παράλληλα, η ύπαρξη δημόσιων συνόλων δεδομένων, όπως τα DEAP και DREAMER, επιτρέπει την αντικειμενική αξιολόγηση και σύγκριση διαφορετικών μεθόδων. Στο πλαίσιο αυτό, η παρούσα διπλωματική εργασία επικεντρώνεται στη μελέτη και πειραματική αξιολόγηση μεθόδων βαθιάς μάθησης για την αναγνώριση συναισθημάτων μέσω σημάτων EEG. Συγκεκριμένα, χρησιμοποιείται το σύνολο δεδομένων DREAMER και εφαρμόζεται το μοντέλο TSception, μια αρχιτεκτονική συνελικτικού νευρωνικού δικτύου σχεδιασμένη για την ταυτόχρονη εξαγωγή χρονικών και χωρικών χαρακτηριστικών από δεδομένα EEG.
Description
Keywords
Ηλεκτροεγκεφαλογραφήματα, Μηχανική μάθηση