Název:
Emotion Recognition from Brain Electroencephalogram (EEG) Signals
Překlad názvu:
Emotion Recognition from Brain Electroencephalogram (EEG) Signals
Autoři:
Fritz, Karel ; Jawed, Soyiba (oponent) ; Malik, Aamir Saeed (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2023
Jazyk:
eng
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [eng][cze]
Tato studie se zaměřuje na klasifikaci emocí z elektroencefalogramu (EEG). Kombinuje znalosti o fyziologii mozku (a emocí), s frekvenční analýzou, analýzou složitosti, zpracov- áním signálů a hlubokým strojovým učením (CNN, GNN). Cílem této práce je vytvořit model pro klasifikaci emocí a poskytnout nové náhledy do rozpoznávání emocí z EEG. Vytvořené modely stojí na principech CNN, GNN, multitask a self supervised tréninku. Jedním z výsledků bylo dosažení State of the Art výsledků na datasetu SEED. Proces porozumění této úloze sdílím na konci této práce.
This study targets classifying emotion states, from Electroencephalogram (EEG) signal. Combining knowledge about physiology of the brain (and emotions), with frequency anal- ysis, complexity analysis, signal processing and deep machine learning (CNN, GNN). Goal of this work is to create the emotion classification model and provide new insights into emotion recognition from EEG. Models created stands on the principles of CNN, GNN, multitask and self supervised training. One of the results achieved State of the Art results on the SEED dataset. Sharing process of understanding this task at the end of the thesis.
Klíčová slova:
brain; contrastive learning; convolutional neural networks; Deep learning; EEG (Electroencephalogram); emo- tion classification; emotion recognition; gradient prop- agation; graph neural networks; machine learning; multitask learning; Neural networks; self supervised learning; Deep learning; EEG (Electroencephalogram); grafové neu- ronové sítě; klasi- fikace emocí; kontrastivní učení; konvoluční neuronové sítě; mozek; multitask učení; neuronové sítě; propagace gradientu; rozpoznávání emocí; self supervised učení; strojové učení
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/213793