XiaoMi-AI文件搜索系统
World File Search Systemaffective
多模态静息状态连接可预测情感神经反馈表现
神经反馈被认为是不同精神疾病的潜在补充疗法。这种方法的兴趣在于预测个人表现和结果。在本研究中，我们应用基于功能连接的建模，使用脑电图 (EEG) 和功能性近红外光谱 (fNIRS) 模式来 (i) 研究静息状态连接是否可以预测情感神经反馈任务期间的表现，以及 (ii) 评估预测连接概况在 EEG 和 fNIRS 技术之间的相关程度。在健康受试者的额叶皮质上记录的 fNIRS 氧合血红蛋白和脱氧血红蛋白浓度以及受 alpha 频带调制的 EEG beta 和 gamma 波段（分别为 beta-m-alpha 和 gamma-m-alpha）用于估计来自每种神经成像模式的功能连接。对于每个连接矩阵，采用留一法选择相关边，将其汇总为“连接汇总分数”（CSS），并作为输入提交给支持向量回归器（SVR）。然后，使用训练后的 SVR 模型预测被排除在外的受试者的表现。使用 Pearson 相关性评估两种模态的 CSS 之间的线性关系。预测模型显示平均绝对误差小于 20%，fNIRS 氧合血红蛋白 CSS 与 EEG gamma-m-alpha CSS 显著相关（r = -0.456，p = 0.030）。这些结果支持了任务前电生理和血流动力学静息态连接是神经反馈表现的潜在预测因子，并且是耦合的。这项研究促使使用联合 EEG-fNIRS 连接作为结果预测因子，以及作为功能连接耦合研究的工具。
伦德海姆：探索动作冒险视频游戏中的情感音频技术
本文讨论了 Lundheim，这是一款使用 Unity 制作的视频游戏原型，它采用了基于情感计算技术的交互机制，用于控制游戏的视听方面。该项目基于一个名为“Lundheim”的虚构古挪威王国，在那里，情感融入了现实结构。该游戏利用了 Russell 的情感圆形模型，提供了四个符文，它们与圆形模型的不同部分相对应。玩家必须通过输入相应的情绪状态来激活每个符文，使用消费级 Interaxon Muse 脑电图 (EEG) 头带捕获情绪。激活每种情绪都会触发粒子效果和相应的声音材料（包括交互式音乐），这些材料由 Wwise 视频游戏音频中间件软件实现。因此，该项目展示了情感技术和声音在视频游戏中的新颖实现，为该研究领域的讨论做出了贡献。
使用功能近红外光谱
情感解码是使用大脑信号测量方法推断人类情绪状态的推断。这种方法对于开发精神病疗法的新治疗方法至关重要，例如情感神经反馈方案。为了减少训练持续时间并优化临床输出，可以使用独立的志愿者组的数据来训练理想的临床神经反馈，然后再被新患者使用。在这里，我们研究了是否可以使用来自额叶和枕叶区域的功能近红外光谱（FNIRS）信号来实现这种独立的情感解码设计。为此，首先在数据集中对线性判别分析分类器进行了训练（49个参与者，24.65±3.23岁），然后在完全独立的一个（20名参与者，24.00±3.92岁）中进行了测试。在正面与负面（64.50±12.03％，p <0.01）和阴性与中性（68.25±12.97％，p <0.01）的情感状态歧视（68.25±12.97％，p <0.01）之间，发现了类别之间的显着平衡精度。对于一个主动区块，指示志愿者回忆起个人亲切经验，发现正面和中性影响分类的明显精度（71.25±18.02％，p <0.01）。在最后一个情况下，只有三个FNIRS通道足以在中性和积极的情感状态之间折磨。尽管需要进行更多的研究，例如重点关注特征和分类器的更好组合，但我们的结果突出了FNIRS作为独立于主题的情感解码的一种可能的技术，仅使用少数但是具有生物学上相关的特征来达到情绪状态的显着分类精度。
情感脑机接口：选择绩效衡量指标的教程
摘要 —情感脑机接口是情感计算中一个相对较新的研究领域。情感状态的估计可以改善人机交互，并改善对严重残疾人士的护理。为了评估脑电图记录在识别情感状态方面的有效性，我们使用了实验室收集的数据以及公开的 DEAP 数据库。我们还审查了使用 DEAP 数据库的文章，发现大量文章没有考虑到 DEAP 中存在类别不平衡。不考虑类别不平衡会产生误导性结果。此外，忽略类别不平衡使得研究之间的结果比较变得不可能，因为不同的数据集会有不同的类别不平衡。类别不平衡也会改变机会水平，因此在确定结果是否高于机会时考虑类别偏差至关重要。为了正确考虑类别不平衡的影响，我们建议使用平衡准确度作为性能指标，并使用其后验分布来计算可信区间。对于分类，我们使用了文献中提到的特征以及 theta beta-1 比率。 DEAP 的结果和我们的数据表明，beta 波段功率、theta 波段功率和 theta beta-1 比率分别是对效价、唤醒和优势进行分类的更好的特征集。
来自聆听情感音乐的参与者的神经和生理数据
音乐提供了一种传达情感意义的手段。然而，音乐诱发情感的神经机制尚未完全了解。我们的项目试图通过一系列实验来研究这一点，这些实验研究人类如何对情感音乐刺激作出反应，以及从这些参与者那里记录下来的生理和神经信号如何根据自我报告的情感变化而变化。本文介绍了在该项目过程中记录的数据集，包括音乐刺激的细节、参与者在听音乐时感受到的情感状态变化的报告，以及随之而来的生理和神经活动记录。我们还包括了参与者群体的非识别元数据，以便进一步进行探索性分析。这些数据为研究情感、音乐以及它们如何影响我们的神经和生理活动的研究人员提供了大量宝贵的新资源。
持续快乐和痛苦中情感效价和强度的大脑表征
。CC-BY-NC-ND 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2023 年 6 月 9 日发布。；https://doi.org/10.1101/2023.06.08.544230 doi：bioRxiv 预印本
使用带有音频嵌入
摘要 - EEG信号已成功地用于情感检测应用中，可以直接捕获大脑动态并以高时间分辨率反映情绪变化。但是，跨个体模型的广义能力尚未得到彻底发展。其他数据模式的参与，例如用于触发情绪的音频信息，可能是有益的，可以估计视频内容中的内在情绪并解决个体差异问题。在本文中，我们提出了一种新颖的深度情感检测模型，称为脑电图，带有视听嵌入（EEG-ave），用于跨个体情感检测。在这里，EEG信号被利用以识别个性化模式并在情感检测中贡献个人偏好；虽然利用视听信息来估算视频内容中涉及的内在情绪，并提高了情感检测性能的可靠性。为基于EEG的个体偏好预测，开发了多尺度域对抗性神经网络，以探索个人跨个体的共享动态，信息性和域不变的EEG特征。为基于视频的固有情绪估计，采用了基于视听功能的深度视听群集方法，以检查语义音频视觉特征和情感之间的潜在关系。通过嵌入模型，估计的个体偏好和内在情绪都与共同的权重结合在一起，并进一步用于共同有助于跨个体的情感检测。我们对Mahnob-HCI数据库进行了跨个体情感检测实验，以进行模型评估和比较。结果表明，我们提出的EEG-ave模型在剩余的一个个体分离的交叉验证个人独立的评估方案下取得了更好的性能，使用汇总标签的价格为90.21％，价值为90.21％和85.59％，并使用汇总标签，以及使用价值为71.13％和66.47％，用于价值和66.47％。因此，EEG-ave是一个具有良好通用性的有效模型，它使其成为现实应用中跨个体情绪检测的力量工具。
来自聆听情感音乐的参与者的神经和生理数据
音乐提供了一种传达情感意义的手段。然而，音乐诱发情感的神经机制尚未完全了解。我们的项目试图通过一系列实验来研究这一点，这些实验研究人类如何对情感音乐刺激作出反应，以及从这些参与者那里记录下来的生理和神经信号如何根据自我报告的情感变化而变化。本文介绍了在该项目过程中记录的数据集，包括音乐刺激的细节、参与者在听音乐时感受到的情感状态变化的报告，以及随之而来的生理和神经活动记录。我们还包括了参与者群体的非识别元数据，以便进一步进行探索性分析。这些数据为研究情感、音乐以及它们如何影响我们的神经和生理活动的研究人员提供了大量宝贵的新资源。
是否存在灵性的情感神经科学？海洋感情量表的发展和验证
在1927年，法国戏剧家罗曼·罗兰德（Romain Rolland）给西格蒙德·弗洛伊德（Sigmund Freud）写了一封信，他要求他分析一种感觉。他将其描述为“一种自发的宗教情绪，或者更准确地是一种宗教感觉，这是永恒感觉的简单而直接的事实（这很可能不是永恒的，但简单地没有可感知的限制，也像海洋一样）”（Parsons，1999; Abella et al。，2011，2011，P.173）。直到今天，这个概念还没有明确的定义。一些研究人员认为海洋的感觉是一种灵性的形式，而另一些研究人员（例如，弗洛伊德）则根据初级自恋而对其进行了分析，这意味着与主要对象的原始融合状态（Saarinen，2014年）。海洋情绪通常被归类为关于Ramakrishna的神秘感。因此，Saarinen（2014）提出了两种不同形式的海洋感受：“（1）瞬态情节包括消除自我心理和感觉界限的感觉，以及（2）相对永久的团结，拥抱，内在的感觉，无关紧要的是涉及到涉及到边界解体的发生的经历。” （第1页）。在随后的话语中，我们旨在从发育心理学的角度阐明海洋情绪的出现，并强调考虑这两个方面，正面和负面的重要性。基于弗洛伊德的思想在心理发展的早期阶段，梅兰妮·克莱因（Melanie Klein）介绍了早期发育阶段的概念，称为偏执狂的位置，这反过来又与所谓的“主要恩”（Priential-envy）链接，其特征是可怕的迫害对象的可怕幻象（Klein，1996）。在许多方面，克莱因的表述代表了洛兰德幸福的海洋情绪的负面反应，在这种情况下，弗洛伊德看到了母亲和儿童之间早期经历的记忆痕迹。这两个组成部分都代表了幼儿发展的不同方面，这些方面可能表现为生命后期的心理病理学。Clinically, the entanglement between positively and negatively valanced states of dissolution can often be observed in the case of schizophrenia and related psychotic disorders, which frequently entail delusions of grandiosity and all-connectedness on the one hand and intense feelings of dread, fragmentation and paranoid delusions on the other hand ( Andreasen et al., 1994 ; Unterrainer and Lewis, 2014 ).
人工智能、统计力学的思想和信息处理的情感调节
1.2. 情感调节的必要性 信息情感/情绪/道德调节的必要性可以从最近的一篇论文“量子钙离子与脑电图的相互作用”（Ingber，2018）的模型之模型 (MOM) 中读出，其中指出“人类最终要对他们所构建的结构负责”。追溯到主要机制的审计线索是科学的重要组成部分，直到现在才有人尝试在神经网络中更好地理解这一点（Iten 等人，2020 年）。该论文（Ingber，2018 年）的背景下，通过脑电图记录 (EEG) 测量大脑皮层区域许多神经元的宏观同步放电与三部分神经元-星形胶质细胞-神经元连接处的量子尺度 Ca 2 +离子波包之间的跨多尺度相互作用。这可能与此相关，因为如果其中的前提通过实验确定为真，那么就可以获得自由意志的合理证明。在当前背景下，如果情感/情绪状态与人工智能相关，那么如果情感调节实际上在信息模式中提供了替代选择，那么 BI 可能提供人工智能也可能拥有“自由意志”的情况。在生物智能 (BI) 中，情感/情绪影响的作用往往不容忽视，这一点显而易见。人工智能 (AI) 的大部分模型开发都严重依赖 BI（Ingber，1988 年；Ingber，2007 年；Ingber，2008 年；Ingber，2011 年）。