机构名称：
¥ 1.0
摘要 社交机器人的情感建模具有巨大的潜力，可以通过提高沟通、护理和互动的效率来改善老年人和残疾人的生活质量。它可以帮助有沟通困难的人表达自己的情绪。它还可用于监测独居老人的情绪健康，并在出现痛苦迹象时提醒护理人员或家人。更广泛地说，情感建模对于设计越来越接近人类的机器人是必要的，这些机器人可以通过理解人类的行为和反应自然地与人类互动。在这里，我们提出了一种使用脑电图 (EEG) 信号进行情绪分类的深度学习技术。我们的目标是识别情绪效价、唤醒、支配和好感度。我们的技术使用头骨区域应用的 32 个电极中的每一个的频谱图。然后，我们使用 Resnet101 卷积神经网络来学习一个能够预测多种情绪的模型。我们在 DEAP 数据集上构建并测试了我们的模型。
基于深度学习的脑电图频谱图像情绪分类
主要关键词
相关文件推荐
