Управляющие системы и машины, №4, 2018, статья 6
DOI: https://doi.org/10.15407/usim.2018.04.021
Reshetnykov D.S. EEG Analysis of Person Familiarity with Audio-Video Data Assessing Task. Управляющие системы и машины. 2018. № 4. pp. 70-83.
УДК 574: 004.2
Решетников Денис Сергеевич, аспирант, Международный научно-учебный центр информационных технологий и систем НАН и МОН Украины, просп. Глушкова, 40, Киев 03187, Украина, e-mail: denis.reshetnykov@gmail.com
АНАЛИЗ ЭЛЕКТРОЭНЦЕФАЛОГРАМ В ЗАДАЧЕ ОЦЕНКИ СОСТОЯНИЯ ЗНАКОМСТВА ЧЕЛОВЕКА С АУДИО-ВИДЕО ДАННЫМИ
Введение. Оценка эмоционального состояния учащихся в целом, и динамическая оценка знакомства с материалами в частности, позволяет лучше оценить усвоение теоретического материала и скорость овладения умениями, которые требуют многократного повторения материала.
Контроль учебного процесса был бы значительно эффективнее, если бы была возможность объективно оценить, по совокупности признаков, знакомство конкретного учащегося с представленными ему материалами.
Цель статьи — провести сравнительный анализ и экспериментальное исследование эффективности различных методов машинного обучения для построения модели определения знакомства с представленными аудиовизуальными материалами, на основе анализа сигнала электроэнцефалограмм и определить набор признаков, которые наилучшим образом классифицируют данный сигнал.
Методы. Предложена информационная технология, которая на основании набора реальных ЭЭГ базы данных DEAP проводит построение, подбор гиперпараметров и оценку различных моделей классификации состояния знакомства человека с аудио-визуальными данными. Для линейного метода опорных векторов реализовано информационную технологию отбора диагностических признаков на основе метода главных компонент, неотрицательной матричной факторизации и генетического алгоритма.
Результат: Используя предложенную информационную технологию, были подобраны параметры и полученные результаты точности для различных моделей классификации, что позволило сравнивать такие модели и определить наиболее адекватные решению поставленной задачи. Применение методов отбора признаков позволило повысить точность модели линейного метода опорных векторов с 55,9% до 80,7%.
Вывод: Предложенная информационная технология по анализу сигнала ЭЭГ для определения знакомства с представленными аудиовизуальными данным показала высокую эффективность ансамблевых и нейросетевых моделей в данной задаче. Повышение точности классификации состояния знакомства с представленными аудио-видео данным возможно путем снижения размерности данных и выделение значимых признаков, что экспериментально подтверждено на примере применения генетического алгоритма к отбору признаков для метода опорных векторов.
Загрузить полный текст в PDF (на английском).
Ключевые слова: машинное обучение, генетический алгоритм, электроэнцефалограмма, набор данных DEAP, распознавание эмоций
Получена 12.11.2018
