التعرف على المشاعر المستند إلى تخطيط كهرباء الدماغ باستخدام شبكة عصبية متعددة الطبقات مُحسَّنة بخوارزمية وراثية

تمثّل التعرف على المشاعر مشكلة مهمة ضمن مجال الحوسبة العاطفية والتفاعل بين الإنسان والحاسوب. وفي السنوات الأخيرة، ساهمت نماذج التعلم الآلي المختلفة في تحقيق تقدّم كبير في مجال التعرف على المشاعر. يقترح هذا البحث إطارًا لتمييز المشاعر القائمة على إشارات كهربائية دماغية (EEG) باستخدام شبكة عصبية متعددة الطبقات (MLP). حيث تم استخدام ميزات كثافة الطيف الطاقوي (Power Spectral Density) لقياس المشاعر وفقًا لمقياس القيمة-الاستثارة، واستُخدمت شبكة MLP لتصنيف هذه المشاعر. كما تم توظيف الخوارزمية الوراثية (Genetic Algorithm) لتحسين بنية شبكة MLP. وقد أظهر النموذج المقترح القدرة على التمييز بين: أ) فئتين من المشاعر، ألا وهما المشاعر منخفضة/عالية القيمة (Low/High Valence) بنسبة دقة متوسطة تبلغ 91.10%، ومشاعر منخفضة/عالية الاستثارة (Low/High Arousal) بنسبة دقة متوسطة تبلغ 91.02%؛ ب) أربع فئات من المشاعر، وهي: عالية القيمة-منخفضة الاستثارة (HVLA)، عالية القيمة-عالية الاستثارة (HVHA)، منخفضة القيمة-منخفضة الاستثارة (LVLA)، ومنخفضة القيمة-عالية الاستثارة (LVHA)، بتحقيق دقة تبلغ 83.52%. وتُعد النتائج المبلغ عنها أفضل من النتائج المُعلنة في الأدبيات السابقة.