基于EEG的实时情绪识别用于神经人类学:主要组件分析和基于树的算法的观点
Miguel Alejandro Blanco-Ríos1, Milton Osiel Candela-Leal1,2, Cecilia Orozco-Romo1
1School of Engineering and Sciences, Mechatronics Department, Tecnológico de Monterrey, Monterrey, Mexico.
Frontiers in human neuroscience
|March 28, 2024
概括
这项研究开发了一种使用脑电图 (EEG) 的实时情感识别系统,以增强在沉浸式空间中的人文教育. 该系统准确地分类情绪,改善学习体验.
科学领域:
- 神经科学是一个神经科学.
- 教育技术的教育技术
- 人文科学 人文科学
背景情况:
- 缺乏人文教育的交互工具.
- 需要将情绪监测纳入沉浸式学习环境.
- 建议将技术与人文教学相结合.
研究的目的:
- 开发一个基于EEG的实时情绪识别系统.
- 将情绪数据集成到一个交互式的神经人类实验室平台中.
- 在沉浸式的人文背景中增强学习体验.
主要方法:
- 开发了一种用于实时情绪识别的机器学习 (ML) 模型.
- 使用脑电图 (EEG) 来获取数据.
- 采用主要组件分析 (PCA),功率光谱密度 (PSD),随机森林 (RF) 和额外树木用于特征提取和模型评估.
- 根据价值,兴奋和支配 (VAD) 和笛卡尔的六种激情实现了情感分类.
主要成果:
- 额外树木模型在情感识别方面实现了94%的准确性,超过了现有的文献 (88%).
- 实时VAD估计每5秒提供一次.
- 该系统成功地适应了对笛卡尔六个主要激情的分类.
- VAD模型支持对15多种不同的情绪进行分类.
结论:
- 开发的基于EEG的系统为沉浸式人文教育中的情绪监测提供了一种新的方法.
- 这项技术可以创造更有吸引力和个性化的学习体验.
- 该系统的灵活性允许在情绪识别和情感计算方面有更广泛的应用.
