تشخيص احساسات مبتني بر سيگنال ‌هاي EEG به كمك يادگيري عميق مبتني بر حافظه كوتاه‌ مدت ماندگار دوجهته و مكانيسم توجه

اين پژوهش به تشخيص احساسات از روي سيگنال‌هاي EEG به كمك يادگيري عميق مبتني بر حافظه كوتاه‌ مدت ماندگار (LSTM) دوجهته و مكانيسم توجه مي‌پردازد. در اين پژوهش از دو پايگاه داده SEED و DEAP براي تشخيص احساس استفاده شده است. داده SEED شامل سيگنال‌هاي EEG در 62 كانال متعلق به 15 شركت‌كننده در سه دسته مختلف از احساسات مثبت، خنثي و منفي است. داده DEAP شامل سيگنال EEG در 32 كانال متعلق به 32 شركت‌كننده در دو دسته از ظرفيت و برانگيختگي است. LSTM كارايي خود را در استخراج اطلاعات زماني از سيگنال‌هاي فيزيولوژيكي طولاني نشان داده است. نوآوري‎هاي اين پژوهش شامل استفاده از يك تابع تلفات جديد و بهينه‌ساز بيزين براي يافتن نرخ يادگيري اوليه است. صحت روش پيشنهادي براي طبقه‌بندي احساسات در پايگاه داده SEED 96.72 درصد شده است. صحت روش پيشنهادي براي طبقه‌بندي احساس در دو دسته ظرفيت و برانگيختگي در پايگاه داده DEAP به‌ترتيب 94.9 و 97.1 درصد است. نهايتاً مقايسه نتايج به‌دست‌آمده با پژوهش‌هاي اخير روي داده‌هاي يكسان، نشان از بهبود نسبتاً خوب روش پيشنهادي دارد.