어텐션 메커니즘 기반 Long-Short Term Memory Network를 이용한 EEG 신호 기반의 감정 분류 기법
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 김유민 | - |
dc.contributor.author | 최아영 | - |
dc.date.available | 2021-03-02T02:40:30Z | - |
dc.date.created | 2021-03-02 | - |
dc.date.issued | 2021-02 | - |
dc.identifier.issn | 1229-3741 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/80107 | - |
dc.description.abstract | 본 연구에서는 EEG 신호를 기반으로 감정 인식에 유용한 딥러닝 기법을 제안한다. 감정이 시간에 따라 변화하는 특성을 반영하기 위해 Long-Short Term Memory 네트워크를 사용하였다. 또한, 특정 시점의 감정적 상태가 전체 감정 상태에 영향을 미친다는 이론을 기반으로 특정 순간의 감정 상태에 가중치를 주기 위해 어텐션 메커니즘을 적용했다. EEG 신호는 DEAP 데이터베이스를 사용하였으며, 감정은 긍정과 부정의 정도를 나타내는 정서가(Valence)와 감정의 정도를 나타내는 각성(Arousal) 모델을 사용하였다. 실험 결과 정서가(Valence)와 각성(Arousal)을 2단계(낮음, 높음)로 나누었을 때 분석 정확도는 정서가(Valence)의 경우 90.1%, 각성(Arousal)의 경우 88.1%이다. 낮음, 중간, 높음의 3단계로 감정을 구분한 경우 정서가(Valence)는 83.5%, 각성(Arousal)은 82.5%의 정확도를 보였다. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 한국산업정보학회 | - |
dc.relation.isPartOf | 한국산업정보학회논문지 | - |
dc.title | 어텐션 메커니즘 기반 Long-Short Term Memory Network를 이용한 EEG 신호 기반의 감정 분류 기법 | - |
dc.title.alternative | Emotion Classification based on EEG signals with LSTM deep learning method | - |
dc.type | Article | - |
dc.type.rims | ART | - |
dc.description.journalClass | 2 | - |
dc.identifier.bibliographicCitation | 한국산업정보학회논문지, v.26, no.1, pp.1 - 10 | - |
dc.identifier.kciid | ART002687975 | - |
dc.description.isOpenAccess | N | - |
dc.citation.endPage | 10 | - |
dc.citation.startPage | 1 | - |
dc.citation.title | 한국산업정보학회논문지 | - |
dc.citation.volume | 26 | - |
dc.citation.number | 1 | - |
dc.contributor.affiliatedAuthor | 최아영 | - |
dc.subject.keywordAuthor | EEG | - |
dc.subject.keywordAuthor | 감정 분류 | - |
dc.subject.keywordAuthor | Long-Short Term Memory Network | - |
dc.subject.keywordAuthor | 어텐션 메커니즘 | - |
dc.subject.keywordAuthor | EEG | - |
dc.subject.keywordAuthor | Emotion classification | - |
dc.subject.keywordAuthor | Long-Short Term Memory Network | - |
dc.subject.keywordAuthor | Attention mechanism | - |
dc.subject.keywordAuthor | MEC | - |
dc.subject.keywordAuthor | Kubernetes | - |
dc.subject.keywordAuthor | Cloud computing | - |
dc.subject.keywordAuthor | Container | - |
dc.subject.keywordAuthor | Pod placement | - |
dc.subject.keywordAuthor | Monitoring | - |
dc.description.journalRegisteredClass | kci | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
1342, Seongnam-daero, Sujeong-gu, Seongnam-si, Gyeonggi-do, Republic of Korea(13120)031-750-5114
COPYRIGHT 2020 Gachon University All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.