Abstract
Human emotion plays an important role in communication without language, and it also supports research on human behavior. In addition, electroencephalogram signals have been highly confirmed by researchers for reliability as well as ease of storage and recognition. So, the use of electroencephalogram to identify emotion signals are currently a relatively new field. Many researchers are targeting the key ideas in this research field such as signal preprocessing, feature extraction and algorithm optimization. In this paper, we aim to recognize emotion signals using Long Short Term Memory (LSTM) algorithms. Emotional signals dataset was taken from DEAP database of koelstra authors and associates to serve this research. The research will focus on accuracy and training time, and it will test different architectural types as well as the initials of LSTM. The obtained results show the 3-dimensional cubes's structure has better performance than the 2-dimensional cubes's structure. In addition, our research is also compared with other authors' studies to prove the effectiveness of the classification algorithm.
Highlights
Việc nghiên cứu sẽ tập trung vào độ chính xác phân loại và thời gian huấn luyện, đồng thời kiểm tra các dạng kiến trúc khác nhau cũng như các thông số khởi tạo của mạng bộ nhớ dài ngắn hạn (LSTM)
Việc nghiên cứu sẽ tập trung vào độ chính xác phân loại và thời gian huấn luyện thông qua việc khảo sát sự ảnh hưởng của các thông số bên trong kiến trúc mạng Long Short Term Memory (LSTM)
Bảng 2: Mối quan hệ giữa độ chính xác phân loại và thời gian huấn luyện tương ứng với các tốc độ học khác nhau
Summary
Huỳnh Quốc Việt[1,2], Nguyễn Thị Như Quỳnh[1,2], Trần Đức Minh[1,2], Lê Ngọc Ánh[1,2], Nguyễn Thanh Phước[1,2], Huỳnh Văn Tuấn1,2,*. Do đó phương pháp sử dụng điện não đồ để nhận dạng cảm xúc của con người hiện đang là một lĩnh vực tương đối mới. Trong bài nghiên cứu này, chúng tôi hướng đến nhận diện các trạng thái cảm xúc thông qua tín hiệu điện não bằng cách sử dụng các thuật toán bộ nhớ dài ngắn hạn. Việc nghiên cứu sẽ tập trung vào độ chính xác phân loại và thời gian huấn luyện, đồng thời kiểm tra các dạng kiến trúc khác nhau cũng như các thông số khởi tạo của mạng bộ nhớ dài ngắn hạn (LSTM). Nghiên cứu của chúng tôi cũng được đối sánh với các nghiên cứu của các tác giả khác nhằm chứng minh sự hiệu quả của thuật toán phân loại. Đây là bài báo công bố mở được phát hành theo các điều khoản của the Creative Commons Attribution 4.0 International license
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
