عاطفه گشوارپور - آزمایشگاه علوم اعصاب محاسباتی، دانشکده مهندسی برق، دانشگاه صنعتی سهند، تبریز، ایران
عطا اله عباسی - آزمایشگاه علوم اعصاب محاسباتی، دانشکده مهندسی برق، دانشگاه صنعتی سهند، تبریز، ایران
عاتکه گشوارپور - آزمایشگاه علوم اعصاب محاسباتی، دانشکده مهندسی برق، دانشگاه صنعتی سهند، تبریز، ایران

هدف از این مطالعه، بازشناسی احساسات در هنگام گوش کردن به موسیقی احساساتی با تاکید برسیگنالهای فیزیولوژیکی میباشد. بدین منظور، سیگنالهای پالس ( ،)PSالکتروکاردیوگرام( )ECGو هدایت الکتریکی پوست ( )GSRیازده دانشجوی خانم جمعآوری شد. 12ویژگیآماری شامل مینیمم، میانگین، ماکزیمم، واریانس، انحراف معیار، مد، میانه، ضریب کشیدگی،ضریب چولگی، گشتاور سوم، گشتاور چهارم و مجذور میانگین مربعات از سیگنالها استخراجگردید. اندیسهای آماری برای چهار کلاس احساساتی (شامل غم، شادی، ترس و آرامش) وحالت استراحت و در هر یک از سیگنالهای ECG ،PSو GSRمحاسبه شد و به عنوان ورودیشبکه عصبی احتمالاتی (PNN )در نظر گرفته شد. نتایج مطالعه حاضر نشان میدهد که استفاده ازسیگنال GSRمنجر به ارائه بیشترین صحت بازشناسی میشود. میانگین صحت طبقه بندی 100درصد با استفاده از این سیگنال برای هر سه دسته بندی احساسات (شامل 5کلاس احساساتی در دوبعد فضای احساسات، 3کلاس برای بعد ارزش و 3کلاس در بعد برانگیختگی) حاصل گردید.بهترین نتایج با تحلیل سیگنال PSمربوط به 5کلاس احساساتی و 3کلاس ارزش بوده است (بانرخ بازشناسی 100درصد.) در حالی که، ماکزیمم صحت طبقه بندی در 3کلاس برانگیختگی به 99/30درصد کاهش مییابد. نتایج تحلیل سیگنال ECGنشان میدهد که میتوان 3کلاسبرانگیختگی را با ماکزیمم صحت 97/20درصد از یکدیگر تفکیک نمود. نتایج مطالعه حاضر نشانمیدهد که تحریک موسیقی به عنوان روشی مناسب در ایجاد احساسات است. به علاوه، الگوریتمپیشنهادی میتواند در بازشناسی احساسات از سیگنالهای فیزیولوژیکی مفید واقع گردد

الکتروکاردیوگرام، احساسات، پالس، شبکه عصبی احتمالاتی، هدایتالکتریکی پوست