초록
정서 인식은 정서 컴퓨팅 및 인간-컴퓨터 상호작용 분야에서 중요한 문제이다. 최근 몇 년간 다양한 머신러닝 모델이 정서 인식 분야에서 중요한 진전을 이뤄냈다. 본 논문은 다층 퍼셉트론(Multi Layer Perceptron, MLP)을 활용한 EEG 기반 정서 인식 프레임워크를 제안한다. 전기뇌파(EEG) 신호의 전력 스펙트럴 밀도(PSD, Power Spectral Density) 특징을 이용하여 정서를 Valence-Arousal 척도 기준으로 정량화하고, MLP를 활용하여 정서를 분류한다. 또한, 유전 알고리즘(Genetic Algorithm)을 사용하여 MLP의 아키텍처를 최적화한다. 제안된 모델은 다음과 같은 두 가지 분류에서 평균 정확도 91.10%로 저/고 Valence 정서와 평균 정확도 91.02%로 저/고 Arousal 정서를 구분하며, 네 가지 정서 클래스인 고 Valence-저 Arousal(HVLA), 고 Valence-고 Arousal(HVHA), 저 Valence-저 Arousal(LVLA), 저 Valence-고 Arousal(LVHA)를 83.52%의 정확도로 구분할 수 있다. 보고된 결과는 기존 문헌에서 보고된 결과보다 우수하다.