تشخیص احساسات مبتنی بر سیگنال ‌های eeg به کمک یادگیری عمیق مبتنی بر حافظه کوتاه‌ مدت ماندگار دوجهته و مکانیسم توجه

این پژوهش به تشخیص احساسات از روی سیگنال‌های eeg به کمک یادگیری عمیق مبتنی بر حافظه کوتاه‌ مدت ماندگار (lstm) دوجهته و مکانیسم توجه می‌پردازد. در این پژوهش از دو پایگاه داده seed و deap برای تشخیص احساس استفاده شده است. داده seed شامل سیگنال‌های eeg در 62 کانال متعلق به 15 شرکت‌کننده در سه دسته مختلف از احساسات مثبت، خنثی و منفی است. داده deap شامل سیگنال eeg در 32 کانال متعلق به 32 شرکت‌کننده در دو دسته از ظرفیت و برانگیختگی است. lstm کارایی خود را در استخراج اطلاعات زمانی از سیگنال‌های فیزیولوژیکی طولانی نشان داده است. نوآوری‎های این پژوهش شامل استفاده از یک تابع تلفات جدید و بهینه‌ساز بیزین برای یافتن نرخ یادگیری اولیه است. صحت روش پیشنهادی برای طبقه‌بندی احساسات در پایگاه داده seed 96.72 درصد شده است. صحت روش پیشنهادی برای طبقه‌بندی احساس در دو دسته ظرفیت و برانگیختگی در پایگاه داده deap به‌ترتیب 94.9 و 97.1 درصد است. نهایتاً مقایسه نتایج به‌دست‌آمده با پژوهش‌های اخیر روی داده‌های یکسان، نشان از بهبود نسبتاً خوب روش پیشنهادی دارد.