|
|
Analyzing a person’s handwriting for recognizing his/her emotional state
Chudárek, Aleš ; Matoušek, Jiří (oponent) ; Malik, Aamir Saeed (vedoucí práce)
Emotion recognition from handwriting is a challenging and interdisciplinary task that can provide insights into the psychological and emotional aspects of the writer. In this study, we developed and evaluated a machine learning model that can predict the emotional state of a writer from their handwriting samples. We utilized the EMOTHAW dataset, which consists of handwriting and drawing samples from subjects whose emotional states are measured by the DASS test, which gives a score for depression, anxiety, and stress and the CIU Handwritten database for verification and experimentation. We extracted a large number of features that are inspired by the standard graphology work, as well as features that are specific to online data. We used ANOVA to select statistically significant features and normalized the data using Z-Score, MinMax, IQR or Log. We reduced the dimensionality of the features using Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA). We employed a meta approach Ensemble learning that seeks to reduce the errors of a single model by exploiting the diversity and complementarity of multiple models. The structure of our classifier is dependent on multiple arguments resulting in over 300,000 different configurations. We optimized arguments using argument freezing. We found the best classifiers for binary and trinary classification for each emotion, resulting in six optimal models. We evaluated our models using different metrics, such as accuracy, precision, recall, and F1-score. Our models reached adequate results in all metrics. In addition to finding the classifiers, this thesis explored the importance of each extracted feature, providing a sorted list of the most significant features used for emotion recognition from handwriting. We also enhanced the EMOTHAW database by identifying tasks that are more indicative of specific emotions, thereby reducing the need for a full task battery for emotional analysis.
|
|
|
Vliv emoční stimulace na signál EEG
Vaněčková, Tereza ; Ronzhina, Marina (oponent) ; Bubník, Karel (vedoucí práce)
Tato práce se zabývá studiem emocí a jejich vlivu na signál EEG. Je zde popsána metoda elektroencefalografie, způsob snímání signálu, jeho vlastnosti, frekvenční pásma a faktory mající vliv na tento signál. Následuje vysvětlení pojmu emoce a jejich projevů, teorie vzniku emocí, dimenze, klasifikace emocí a lateralizace emočního prožitku. Dále jsou zde uvedeny výzkumy, které nejvíce ovlivnily tuto práci. Praktická část popisuje návrh měření, princip výběru stimulů, metodiku snímání signálu EEG přístrojem Emotiv EPOC a hodnocení pomocí dotazníku Self-Assessment Manikin. Je zde také objasněn výběr parametrů signálu EEG pro detekci emočních stavů. Dále jsou zde uvedeny metody, které byly využity při zpracování dat. V závěrečné části jsou shrnuty dosažené výsledky, jejich vyhodnocení a nástin možného pokračování ve studiu emočních stavů.
|
|
| |
|
|
Rozpoznávání emocí pomocí konvolučních neuronových sítí
Jileček, Jan ; Najman, Pavel (oponent) ; Hradiš, Michal (vedoucí práce)
Konvoluční neuronové sítě se dnes používají v mnoha oblastech, především ale pro strojové učení, kde vykazují velkou úspěšnost. Tato práce nejprve představí existující frameworky, další algoritmy pro rozpoznávání a pak popisuje, jak probíhalo vytváření vlastní datové sady a trénink modelu pro rozpoznávání emocí. Tento model má úspěšnost klasifikace 60%. Model je následně využit pro získání statistik o emocích z filmových trailerů a z těchto statistik je sestaven model pro rozpoznávání žánrů, který je konečně použit v naší aplikaci pro určení žánru vstupního traileru s přesností až 47%.
|
|
|
Rozpoznávání emocí v česky psaných textech
Červenec, Radek ; Smékal, Zdeněk (oponent) ; Burget, Radim (vedoucí práce)
Díky rozvoji informačních a komunikačních technologií v posledních letech došlo k velkému nárůstu množství informací, které denně vznikají ve formě elektronických dokumentů. Třídění a zpracování informací se stalo pro člověka velmi obtížné, a proto vzrůstá obliba systémů automatického dolování znalostí z textu. Zajímavou podoblastí jsou systémy pro analýzu sentimentu a automatického rozpoznání emocí v textech, které mají potencionálně široké uplatnění. V rámci této práce byl navržen a implementován systém využívající technik dolování znalostí z textu za účelem rozpoznávání emocí v česky psaných textech a bylo provedeno zhodnocení jeho úspěšnosti. Protože je systém postaven převážně na metodě strojového učení, byla navrhnuta a vytvořena trénovací množina, která byla posléze použita k vytvoření modelu klasifikátoru pomocí algoritmu podpůrných vektorů (SVM). Pro potřeby zpřesnění výsledků klasifikace textových dokumentů do předem definovaných emočních tříd, jsou do systému integrovány další prvky, jako např.: lexikální databáze, lemmatizátor a odvozený slovník klíčových slov. Součástí práce je také zhodnocení několika přístupů ke klasifikaci s různými modifikacemi navrženého systému.
|
|
|
Projevy emocí ve tváři
Zajícová, Markéta ; Bahbouh, Radvan (vedoucí práce) ; Boukalová, Hedvika (oponent)
Název práce: Projevy emocí ve tváři Autor: Bc. Markéta Zajícová Katedra: Katedra psychologie, Filozofická fakulta Univerzity Karlovy v Praze Vedoucí práce: doc. PhDr. MUDr. Mgr. Radvan Bahbouh, Ph.D. Abstrakt: Práce se zabývá projevy emocí ve tváři, předkládá krátký úvod do problematiky emocí jakožto jedné z kognitivních funkcí, v rámci kterého vymezuje tento termín, klasifikuje emoce a jejich patologie a stručně shrnuje různé teorie emocí. Větší prostor teoretické části je věnován základním emocím a jejich projevům ve tváři, stejně jako schopnosti je rozpoznávat a napodobovat. Teoretická část je uzavřena tématikou emoční inteligence jako jednotícího prvku, který vyzdvihuje důležitost této problematiky. Empirická část je zaměřena na zkoumání především dvou schopností spojených s projevy emocí ve tváři, konkrétně jejich rozpoznáváním a nápodobou, dále pak souvislostí těchto schopností s dalšími znaky jako je pohlaví, vzdělání či sebeodhady. Hlavním zjištěním a výsledkem této práce je, že mezi oběma schopnostmi existuje statisticky významná souvislost (ρ=0,35; α=0,05). Klíčová slova: Základní emoce, projevy emocí ve tváři, rozpoznávání emocí, nápodoba emocí, emoční inteligence, poruchy emocí
|
|
|
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.
|
|
| |
|
| |
|
|
Emocionalita dětí, v jejichž rodinách probíhalo domácí násilí
Benešová, Klára ; Šulová, Lenka (vedoucí práce) ; Šírová, Eva (oponent)
Diplomová práce se zabývá specifickou populací dětí, které byly ve své rodině vystaveny domácímu násilí. Teoretická část se soustředí na způsoby, jakými domácí násilí ovlivňuje emocionalitu a emocionální vývoj dítěte. Dále se zabývá problematickými aspekty emocionality, které mohou být touto traumatizující zkušeností narušeny. Tyto konkrétní oblasti byly vybrány na základě současných výzkumů, které se emocionalitou dětí vystavených domácímu násilí zabývají. Empirická část práce vznikla ve spolupráci s centrem Locika a kvantitativním a kvalitativním způsobem mapuje vybrané aspekty emocionality dětí. Jsou to především schopnost rozpoznávat emoce a schopnost emoční regulace, a to v kontextu celkového kognitivního vývoje.
|
host ::
RSS.