|
|
Emotion Recognition from Brain Electroencephalogram (EEG) Signals
Fritz, Karel ; Jawed, Soyiba (oponent) ; Malik, Aamir Saeed (vedoucí 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.
|
|
|
Analýza entit v psychoterapeutických sezeních
Polok, Alexander ; Karafiát, Martin (oponent) ; Matějka, Pavel (vedoucí práce)
Tato práce se zabývá analýzou psychoterapeutických sezení v rámci výzkumného projektu DeePsy. Jejím cílem je navrhnout a vytvořit sadu příznaků modelujících průběh sezení, jež mohou odhalit na první pohled nepatrné nuance. Zmíněné příznaky jsou automaticky extrahovány ze zdrojové nahrávky s využitím hlubokých neuronových sítí. Příznaky jsou zpracovány, porovnány napříč sezeními a graficky zobrazeny, čímž vzniká dokument plnící roli zpětné vazby o sezení pro terapeuta. Tato zpětná vazba může posloužit k profesnímu růstu a kvalitnější psychoterapii v budoucnu. Bylo dosaženo relativního zlepšení detekce řečové aktivity o 37,82 %. Byl zobecněn diarizační systém VBx ke konvergenci ke dvěma mluvčím s minimálním relativním zhoršením chybovosti o 0,66 %. Byl natrénován systém pro automatické rozpoznávání řeči, jehož chybovost je o 17,06 % relativně lepší než nejlepší dostupný hybridní model. Dále byly natrénovány systémy pro klasifikaci sentimentu, typu terapeutických intervencí a detekci překrývající se řeči.
|
host ::
RSS.