중추신경계와 자율신경계신호를 이용한 Long Short Term Memory기반 감성분석 = The Emotion Analysis Based on Long Short Term Memory using the Central and Autonomic Nervous System Signals
본 논문은 중추신경계와 자율신경계 신호를 이용하여 Long Short Term Memory기반의 감성분류 모델 설계에 대해 제안하였다. 제안하는 감성분류 모델은 감정의 강도를 나타내는 arousal과 감정의 긍정/부정 강도를 나타내는 valence의 정도가 높은지 혹은 낮은지를 분류하는 모델이다.
본 논문의 목적은 정량적인 감성측정 및 처리가 가능한 생체신호를 이용하여, 상황이나 목적에 따라 데이터로부터 스스로 특징을 추출하는 딥러닝 기법을 적용한 감성분류 모델을 설계하는 것이다. 기존 연구에서는 생체신호를 시간영역과 주파수영역으로 분석하고 감성과 연관된 특징벡터를 추출하여 이를 딥러닝 모델의 입력데이터로 활용한 경우는 많다. 그러나 시계열 형태의 생체신호를 입력데이터로 활용한 연구는 미미하다.
따라서 시계열 데이터에서 패턴을 인식하는 인공신경망인 Recurrent Neural Network의 변형모델인 Long Short Term Memory를 기반으로 생체신호로부터 스스로 특징을 추출하게 함으로써 사람이 특징벡터를 추출하는 전처리 과정 없이 생체신호를 이용한 감성분석 모델을 제안하고자 하였다.
주요어: 생체신호, 감성분류모델, Recurrent Neural Network, Long Short Term Memory, DEAP Dataset
This study suggests about the design of emotion classification model based on Long Short Term Memory using the central nervous system and the autonomic nervous system signals.
The proposed emotion classification model classifies that the arousal indicating emotional intensity and the valence indicating pleasure/displeasure intensity of emotion are high or low.
The purpose of this study is to design emotion classification model applying deep learning method which extracts features by oneself from data according to the situation or purpose using quantitative emotion measurement and processible bio-signal.
In previous works, there are many cases where the bio-signal is analyzed as time and frequency domain, and feature vectors related to emotion are extracted and used as input data of the deep learning model. However, the research using a form of time series as input data is slight.
Therefore, by extracting features by oneself from bio-signals based on Long Short Term Memory, a deformation model of Recurrent Neural Network, which is an artificial neural network that recognizes patterns in time series data, we suggest an emotion analysis model using bio-signals without preprocessing process in which a person extracts feature vectors.
keyword: Bio-Signal, Emotion Classification Model, Recurrent Neural Network, Long Short Term Memory, DEAP Dataset
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)