Original title: Emotion Recognition from Brain Electroencephalogram (EEG) Signals
Translated title: Emotion Recognition from Brain Electroencephalogram (EEG) Signals
Authors: Fritz, Karel ; Jawed, Soyiba (referee) ; Malik, Aamir Saeed (advisor)
Document type: Master’s theses
Year: 2023
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [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.
Keywords: 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; 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

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/213793

Permalink: http://www.nusl.cz/ntk/nusl-533188


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses