بهبود كارايي يك سيستم تشخيص احساس از گفتار به كمك شبكه مولد متخاصمي جهت كاربرد در روانشناسي باليني

مقدمه: فناوري تشخيص احساس از گفتار، مي‌تواند به محققان كمك كند تا دريابند چه عواملي باعث مي‌شود برخي از روان ‌درمانگران درمان مؤثرتري نسبت به ديگران ارائه دهند، اطلاعاتي كه مي‌تواند براي بهبود تشخيص روش درمان استفاده شود. اگر بدانيم چه كسي مي‌خواهد اقدام به خودكشي كند يا حداقل ريسك بالايي براي اين كار دارد مي‌توانيم پيشگيري كنيم و اين دقيقاً همان چيزي است كه علم روانشناسي سال‌هاست به آن نياز دارد تا هزينه‌هاي درمان را كاهش دهد. ازاين‌رو، نياز به تشخيص احساس از گفتار و پايگاه‌داده احساسي به‌شدت احساس مي‌شود؛ ولي جمع‌آوري پايگاه‌داده با نمونه‌هاي زياد نيازمند صرف چندين دهه است. افزايش داده و انتخاب ويژگي، از مفاهيم كليدي در يادگيري ماشين هستند.روش: هنگامي كه داده‌هاي آموزشي در پايگاه‌داده متنوع نيستند و تعداد و تنوع آن‌ها در هر كلاس آموزشي محدود است، آموزش يك شبكه عصبي عميق بدون آنكه پديده اور فيتينگ اتفاق بيفتد، بيش از حد چالش‌برانگيز است. براي غلبه بر اين چالش، اين مقاله يك شبكه افزايش داده جديد، يعني شبكه افزايش داده متخاصمانه و مبتني بر شبكه‌هاي مولد متخاصمي را پيشنهاد مي كند. اين شبكه افزايش داده پيشنهادي، از يك شبكه مولد متخاصمي، يك رمزگذار خودكار و يك طبقه‌بند تشكيل شده است. اين شبكه‌ها به طور خصمانه آموزش داده مي‌شوند تا بردارهاي ويژگي وابسته به هر كلاس را در فضاي ويژگي‌ها تركيب كنند، و سپس آن ها را به داده‌هاي موجود در پايگاه‌داده بيفزايند. براي داده هاي هر كلاس به‌صورت جداگانه يك شبكه مولد متخاصمي پيشنهاد شده است كه از يك سو شباهت بين نمونه‌‌هاي واقعي و توليد شده را تضمين كند و از طرف ديگر باعث ايجاد تمايز عاطفي در بين نمونه‌‌هاي توليد شده بين كلاس‌‌هاي مختلف شود. براي رفع مشكل كوچك‌شدن بيش از حد گراديان در فرايند آموزش شبكه افزايش داده متخاصمي كه منجر به عدم آموزش كافي شبكه هاي مولد و تشخيص‌دهنده و متوقف‌شدن فرايند آموزش پيش از يادگيري كامل توزيع داده ها در فضاي ويژگي ها مي شود، به‌جاي استفاده از خطاي متداول آنتروپي متقابل براي آموزش شبكه مولد متخاصمي، واگرايي و اسراستين براي توليد نمونه‌هاي مصنوعي باكيفيت بالا استفاده شده است. يافته‌ها: عملكرد اين مدل با استفاده از پايگاه‌داده احساسي برلين به‌عنوان مجموعه‌داده‌هاي آموزش، تست و ارزيابي شبكه مورد آزمايش قرار گرفته و مشخص شد كه با تركيب نمودن بردارهاي ويژگي مصنوعي و بردارهاي ويژگي واقعي، مي‌توان مشكل كوچك‌شدن بيش از حد گراديان و متعاقباً متوقف‌شدن ادامه روند آموزش شبكه را تا حد زيادي كاهش داد. نتايج به‌دست‌آمده نشان مي‌دهد كه داده‌هاي توليد شده توسط شبكه پيشنهادي مي‌توانند در يك شبكه تشخيص احساس از سيگنال گفتار استفاده شوند و به اين شبكه كمك كنند تا كلاسه‌بندي احساسي بهتري را انجام دهد.