آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,361 |
| تعداد مقالات | 16,734 |
| تعداد مشاهده مقاله | 53,988,973 |
| تعداد دریافت فایل اصل مقاله | 16,677,324 |
تشخیص احساس از روی سیگنال های EEG به کمک الگوریتم یادگیری ماشین کوانتومی سلسله مراتبی | ||
| پردازش سیگنال پیشرفته | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 21 تیر 1402 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/jasp.2023.55923.1223 | ||
| نویسندگان | ||
| سید عابد حسینی* 1؛ محبوبه هوشمند2 | ||
| 1گروه مهندسی برق، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران. | ||
| 2گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران | ||
| چکیده | ||
| در سال‌های اخیر استفاده از الگوریتم‌های یادگیری ماشین کوانتومی (QML) برای تشخیص حالت‌های مختلف مغزی از طریق سیگنال‌های EEG موردتوجه قرارگرفته است. تشخیص احساس با استفاده از سیگنال‌های EEG نقش کلیدی در تعامل انسان و رایانه و محاسبات احساسی ایفا می کند. این پژوهش از مجموعة داده DEAP متشکل از 32 کانال سیگنال EEG اخذشده از 32 شرکت‌کننده در هنگام تماشای 40 فیلم یک‌دقیقه‌ای استفاده می کند. مدل پیشنهادی مبتنی بر QML سلسله مراتبی شامل بخش های پیش‌پردازش سیگنال EEG به کمک لاپلاسین سطحی، آماده سازی سیگنال EEG به‌عنوان یک حالت کوانتومی، استخراج ویژگی به کمک تبدیل بستة موجک کوانتومی (QWPT) و آنتروپی انرژی بستة موجک (WPEE) و طبقه‌بند شبکة عصبی کوانتومی (QNN) سه لایه است. نتایج نشان می‌دهد مدل پیشنهادی می تواند دو دسته از احساس ظرفیت و برانگیختگی را به ترتیب با درصد صحّت 71/94 و 62/97 تفکیک نماید. نتایج نشان از موفقیت قابل‌توجه مدل پیشنهادی در تشخیص احساسات مختلف دارد. | ||
| کلیدواژه‌ها | ||
| تشخیص احساس؛ استخراج ویژگی؛ سیگنال‌های مغزی؛ طبقه‌بندی و یادگیری ماشین کوانتومی | ||
|
آمار تعداد مشاهده مقاله: 730 |
||