Система аналізу біомедичних сігналів для контролю стану водіїв

Вантажиться...
Ескіз

Дата

2018

Назва журналу

Номер ISSN

Назва тому

Видавець

Анотація

Магістерська дисертація: 120 с., 22 рис., 26 табл., 2 додатки, 57 джерел. Тема роботи – «Система аналізу біомедичних сигналів для контролю стану водіїв». В роботі розглянуто і проаналізовано алгоритм для визначення емоційних станів людини за ЕКГ. Проведено огляд методів роботи з емоціями людини та аналізу її ЕКГ. Для реалізації системи було обрано згорткові нейронні мережі та було сформовано план експерименту для збору даних для навчання. Було реалізовано модулі системи, що дозволяють визначити емоційний стан людини за ЕКГ. Було проаналізовано якість роботи побудованої системи. Модулі системи реалізовані з використанням мов програмування Python та Java та фреймворку Keras. Результати світчать про доцільність проведення подальшої роботи з покращення роботи системи для отримання точності роботи достатньої для практичного застосування. Мета дослідження – створення системи розпізнавання емоцій за біомедичним сигналом. Об’єкт дослідження – моделі емоційного стану людини. Предмет дослідження – методи виявлення емоційного стану людини на основі біосигналів. Наукова новизна – запропоновано алгоритми виявлення емоційних станів людини на основі біомедичного сигналу та згорткових нейронних мереж. Практична цінність – в роботі розроблено додаток, який дозволяє отримувати біомедичний сигнал в режімі реального часу та визначати емоційний стан з точністю до 95%.

Опис

Ключові слова

електрокардіограма, визначення емоційних станів, модель базових емоцій, глибинні нейронні мережі, виклик емоційних станів, evocation of emotions, electrocardiogram, determination of emotional states, model of basic emotions, convolutional neural networks, machine learning, deep neural networks

Бібліографічний опис

Саган, В. Ю. Система аналізу біомедичних сігналів для контролю стану водіїв : магістерська дис. : 122 Комп'ютерні науки та інформаційні технології / Саган Віталій Юрійович. – Київ, 2018. – 120 с.

ORCID

DOI