Klasifikacija EEG signala na osnovu sentimenta emocija ispitanika

[YoNoSoyMarinero]

Tim

Link ka repozitorijumu: https://github.com/YoNoSoyMarinero/EGG-Sentiment-Classification/tree/main

Miloš Marinković E2 35/2023 Vladan Đorđević E2 87/2023

Definicija problema

Klasifikacija sirovih EEG signala na osnovu sentimenta video snimka koji ispitanik posmatra. Klasifikacija se vrši u pet klasa: gađenje, strah, tuga, neutralno stanje i sreća. Cilj je pronaći korisna obeležja za obučavanje modela mašinskog i dubokog učeanja kako bi se dobila što veća tačnost klasifikacije.

Skup podataka

Za treniranje modela korišćena je SEED-V baza podataka. SEED-V baza podataka predstavlja izuzetno vredan resurs za istraživače u oblasti analize emotivnih stanja putem elektroencefalografa (EEG). Ova baza obuhvata pet različitih emocionalnih klasa: sreća, tuga, gađenje, strah i neutralnost. Svi podaci u bazi generisani su korišćenjem sirovih EEG signala dobijenih snimanjem 62-kanalnog NCI NeuroScan sistema, pri uzorkovanju od 1 kHz. Baza sadrži EEG signale 16 učesnika i svakom učesniku prikazivani su kratki snimci u tri serije po 15 snimaka, pri čemu svaki snimak sadrži tematiku jedne od pomenutih emocija. Za bazu je potrebna licenca koja se može dobiti na sledećem linku: https://bcmi.sjtu.edu.cn/home/seed/downloads.html#seed-v-access-anchor

Metodologija

Ideja je da se projektni zadatak spoji sa predmetom "Sistemi za istraživanje i analizu podataka", na kom će biti isprobani neki modeli mašinskog učenja i na kraju porediti performanse sa dubokim učenjem. Što se tiče tipa neuronskih mreža koje bismo koristili predlažeom dva tipa:

1. DNN čiju bismo arhitekturu sami pokušali da projektujemo i koja bi se obučavala na vremensko-frekvencijskim obeležjima izvučenim iz sirovih signala.
2. CNN koja bi se obučavala na spektrogramima signala. Ideja je koristiti pretreniran model koji radi klasifikaciju spektrograma audio signala poput Guglovog VGGish.

   Evaluacija

   Kako su podaci u njoj neujednačeni, zbog različitog trajanja prikazivanih video snimaka, u skladu sa predlozima samih kreatora SEED baze podataka koristiće se makro F1 mera da bi se evaluirala mera tačnosti klasifikatora.

[vdragan1993]

Tema odobrena. Ostavite link ka GitHub repozitorijumu projekta. Srećan rad.