Název:
EEG Classification Model for Emotion Detection Using Python
Překlad názvu:
EEG Classification Model for Emotion Detection Using Python
Autoři:
Vengerová, Veronika ; Zaheer, Muhammad Asad (oponent) ; Jawed, Soyiba (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2023
Jazyk:
eng
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [eng][cze]
Táto práca sa zaoberá rozoznávaním emócií z elektroencefalogramu (EEG). Dva modely na binárnu klasifikáciu emócií, kde jeden model klasifikuje neutrálnu emóciu alebo strach a druhý šťastie a smútok. Počas práce boli vyskúšané mnohé rôzne architektúry, pričom najlepšie výsledky boli dosiahnuté modelom pozostávajúcim z dvoch vetiev KNN-LSTM spojenými pred výstupnou vrstvou. Výsledná presnosť bola 87.309% na klasifikáciu šťastia a smútku a 84.865% na klasifikáciu neutrálnej emócie a strachu.
This thesis deals with the task of recognizing emotions from electroencephalogram (EEG). Two models were trained for binary classification of emotions, where one classifies neutral emotion or fear and the other classifies happiness or sadness. During the work on this thesis many different architectures were tried, and the best result was obtained using a model with two branches of CNN-LSTM connected before the output layer. The resulting accuracy was 87.309% for sad-happy classification and 84.865% for neutral-fear emotion.
Klíčová slova:
CNN; convolutional neural networks; deep learning; EEG; Electroencephalography; emo- tion classification; emotion recognition; GRU; LSTM; machine learning; raw EEG; recurrent neural networks; CNN; EEG; Elektroencefalografie; GRU; hlboké učenie; klasifiká- cia emócií; konvolučné neurónové siete; LSTM; nespracované EEG; rekurentné neurónové siete; rozoznávanie emóciií; strojové učenie
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/11012/211050