Emotion recognition using wireless signals
Kablosuz sinyalleri kullanarak duygu tanıma
- Tez No: 876440
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜN PINARER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 137
Özet
Duygu tanıma, insan-bilgisayar etkileşimi ve duygusal bilişimde kritik bir öneme sahiptir. Uygulama alanları arasında kişiselleştirilmiş kullanıcı arayüzlerinden mental sağlık izlemeye kadar geniş bir yelpaze bulunmaktadır. Bu çalışma, çeşitli deneysel koşullar altında elde edilen fizyolojik sinyalleri kullanarak duygu tanıma için farklı makine öğrenimi algoritmalarının performansını incelemektedir. Metodoloji, katılımcılardan fizyolojik veri toplamak için dikkatle tasarlanmış bir dizi deneyin gerçekleştirilmesini içerir. Bu deneyler, verici ve alıcı arasındaki mesafe, kalp atış hızı değişkenliği ve deneklerin duruşu gibi çevresel koşullarda çeşitlilik gösterir. Çalışmada, çeşitli makine öğrenimi algoritmaları değerlendirilmiş ve bu algoritmaların performansı çeşitli metrikler kullanılarak ölçülmüştür. Deneylerin sonuçları, farklı deneysel koşullar altında algoritmaların performansında önemli farklılıklar olduğunu göstermektedir. Karşılaştırmalı analizler sonucunda, Random Forest, deneyler boyunca en düşük MAE değerlerini sürekli olarak elde ederek en iyi performans gösteren algoritma olarak öne çıkmaktadır. Bununla birlikte, SVM de özellikle yüksek kalp atış hızlarının söz konusu olduğu senaryolarda rekabetçi bir performans sergilemektedir. Bu bulgular, gerçek dünya uygulamalarında doğru duygu tanıma sağlamak için algoritma seçiminin ve optimizasyonunun önemini vurgulamaktadır. Sonuç olarak, bu çalışma, fizyolojik sinyalleri kullanarak duygu tanıma için makine öğrenimi algoritmalarının performansı hakkında değerli bilgiler sunmaktadır. Farklı faktörlerin algoritma performansını nasıl etkilediğini anlayarak, araştırmacılar ve uygulayıcılar sağlık hizmetleri, insan-bilgisayar etkileşimi ve duygusal bilişim gibi çeşitli alanlar için daha etkili duygu tanıma sistemleri geliştirebilirler.applications.
Özet (Çeviri)
Emotion recognition is a critical aspect of human-computer interaction and affective computing, with applications ranging from personalized user interfaces to mental health monitoring. This study explores the performance of various machine learning algorithms for emotion recognition using physiological signals obtained from subjects under diverse experimental conditions. The methodology involves conducting a series of carefully designed experiments to collect physiological data from participants. These experiments vary in environmental conditions, including distance from the transmitter and receiver, heart rate variability, and subject posture. Several machine learning algorithms are evaluated in the study and the performance of these algorithms is assessed using various metrics. The results of the experiments demonstrate significant variations in algorithm performance across different experimental conditions. Through comparative analysis, Random Forest emerges as the top-performing algorithm, consistently achieving the lowest MAE values across experiments. However, SVM also demonstrates competitive performance, especially in scenarios involving high heart rates. These findings underscore the importance of algorithm selection and optimization in achieving accurate emotion recognition in real-world applications. In conclusion, this study provides valuable insights into the performance of machine learning algorithms for emotion recognition using physiological signals. By understanding how different factors influence algorithm performance, researchers and practitioners can develop more effective emotion recognition systems for a wide range of applications, including healthcare, human-computer interaction, and affective computing.
Benzer Tezler
- Emotion recognition using deep learning focusing on the hand and facial expressions
El ve yüz ifadelerine odaklanan derin oğrenmeyi kullanarak duygu tanıma
HASANAIN JAWAD RADEEF
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YILMAZ AR
- Neural networks algorithms for emotion recognition using mindwave mobilr(EEG)
Duygu için sinir ağları algoritmaları mındwave mobılr(EEG) kullanarak tanıma
MAHDI IMAD HAMDI
Yüksek Lisans
İngilizce
2023
Bilim ve TeknolojiAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TİMUR İNAN
- Konuşma bilgisi ve makine öğrenmesi kullanılarak duygu analizi
Emotion recognition using speech information and machine learning
İSMAİL AKBUDAK
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEZAİ TOKAT
- Emotion recognition using EEG and physiological data for a robot-assisted rehabilitation system rehabroby
Robot destekli rehabilitasyon sistemi rehabroby için EEG ve fizyolojik veriler kullanılarak duygu tanıma
ELİF GÜMÜŞLÜ
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiYeditepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. DUYGUN EROL BARKANA
- Emotion recognition of EEG data using tensor logistic regression
Tensör lojistik regresyon kullanarak EEG verilerinden duygu tanıma
İBRAHİM CANSU
Yüksek Lisans
İngilizce
2022
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ADEMOĞLU