Graph neural network-based multimodal emotion recognition
Grafik sinir ağı tabanlı çok modlu duygu tanıma
- Tez No: 884783
- Danışmanlar: PROF. DR. RESUL DAŞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 214
Özet
Günümüzde Makine Öğrenimi (ML) ve Derin Öğrenme (DL), insan duygularından bilgi çıkarmak için kullanılmaktadır. Bu çalışmanın amaçlarından biri, görsel, konuşma ve metin verileri analiz etmek için grafik sinir ağı (GNN) tabanlı duygu hesaplamayı kullanmaktır. Duyguları tanımak zordur çünkü; yaş, kültür, yüz ifadesi, çevre senaryosu ve fiziksel yorgunluğa göre değişirler. Mevcut çalışmalar, çalışmamızın amaçlarından biri olan GNN tabanlı duygu hesaplama konusundaki en son analiz gelişmelerini ve başarılarını henüz tam tamamlanmamıştır. GNN, görsel, konuşma ve metin verilerden duygu analizi gerçekleştirmeyi desteklemek için daha da kabul edilebilir. Geneleksel duygu analizi tekniklerinden ziyade, çalışmamız doğruluk ve daha spesifik sonuçlar elde etme sürecine dayanmaktadır. Ayrıca bir çalışma, insanlar ve makineler arasındaki uçurumu kapatmaya yardımcı olacaktır.
Özet (Çeviri)
Nowadays, Machine Learning (ML) and Deep Learning (DL) have been used to extract knowledge from human feelings. One of the objectives of this study is to use graph neural network (GNN) based emotion computing to analyze visual, speech, and textual data. Recognizing emotions is difficult because they change based on importance, age, culture, facial expression, surroundings scenario, and physical tiredness. For instance, physical exhaustion and psychological fatigue are two types of human feelings with significant differences. Existing studies have yet to completely include the most recent analysis developments and achievements in GNN-based emotion computing, which is one of our study's objectives. GNN is more acceptable for supporting realizing end-to-end sentiment analysis from visual, speech, and textual data. Rather than traditional emotion analysis techniques, our study relies on the process to achieve valuable accuracy and more specific results. Also, a study must be completed to bridge the gap between humans and machines.
Benzer Tezler
- Exploring fusion models in computer vision for medical image computing
Başlık çevirisi yok
DUYGU SARIKAYA
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolState University of New York at BuffaloDr. JASON J. CORSO
- Multi-modal neuroimaging data prediction: Estimation of connectional brain template and multigraph classification with application to gender fingerprinting
Çoklu modal nörogörüntüleme veri tahmini: Bağlantılı beyin şablonunun tahmini ve cinsiyet parmak izi uygulaması ile çoklu grafik sınıflandırma
NADA CHAARI
Doktora
İngilizce
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE CAMGÖZ AKDAĞ
DR. ÖĞR. ÜYESİ ISLEM REKIK
- Synergraph: A novel approach for multi-modal graph based recommendation systems
Synergraph: Çok modlu çizge tabanlı tavsiye sistemleri için yeni bir yaklaşım
MERT BURAK BURABAK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. TEVFİK AYTEKİN
- Proteinlerin subselüler yerleşimlerinin görüntü, sekans ve interaktom verisi tabanlı tahmini
Image, sequence and interactome based prediction of subcellular localization of proteins
ECEM KUŞCUOĞLU
Yüksek Lisans
İngilizce
2024
BiyoistatistikHacettepe ÜniversitesiBiyoenformatik Ana Bilim Dalı
PROF. DR. TUNCA DOĞAN
