يقدم هذا القسم طريقة جديدة للتعرف على المشاعر من إشارات EEG، تُسمى MSDCGTNet، والتي تدمج شبكة CNN ديناميكية متعددة المقاييس 1D ومشفّر المحولات المغلق. تبدأ الطريقة بشبكة CNN الديناميكية متعددة المقاييس لاستخراج ميزات مكانية وطيفية معقدة من بيانات EEG الخام، مما يقلل بشكل فعال من فقدان المعلومات وتكاليف الحساب المرتبطة بالتحويلات الزمنية الترددية. بعد ذلك،…

تقدم ورقة البحث نهجًا مبتكرًا للتعرف على مشاعر الوجه (FER) من خلال تطوير شبكة تلافيفية عميقة مضادة للتشويش (AA-DCN). يتناول هذا النموذج التحديات الكامنة في FER، مثل التغيرات في تعبيرات الوجه، والاحتجاب، وظروف الإضاءة، التي غالبًا ما تؤثر على جودة الصورة. يكتشف نموذج AA-DCN بنجاح ثمانية مشاعر مميزة وتم تقييمه على ثلاثة مجموعات بيانات: مجموعة…

تتناول هذه الدراسة التحديات المتعلقة بالتعرف على مشاعر الوجه (FER) من خلال استخدام مجموعة بيانات Emognition، التي تشمل عشرة مشاعر متميزة: المتعة، الدهشة، الحماس، الإعجاب، المفاجأة، الغضب، الاشمئزاز، الخوف، الحزن، والمحايد. تستخدم البحث تقنيات التعلم العميق، وبالتحديد الشبكات العصبية التلافيفية (CNNs)، لتصنيف هذه المشاعر. تم تنفيذ خط أنابيب شامل لمعالجة البيانات لتحويل بيانات الفيديو إلى…

تقدم البحث TPRO-NET، وهو شبكة عصبية جديدة مصممة للتعرف على المشاعر باستخدام إشارات تخطيط الدماغ الكهربائي (EEG). غالبًا ما تبسط الأساليب التقليدية نموذج المشاعر القائم على الفالنس-التحفيز-الهيمنة إلى فئات عالية ومنخفضة، مما يفشل في التقاط التغيرات العاطفية الدقيقة. يتناول TPRO-NET هذه القيود من خلال استخدام ميزات الانتروبيا التفاضلية والانتروبيا التفاضلية المعززة كمدخلات، تتم معالجتها من…