脳波を使って感情を検出・分類するプロジェクト
Githubリンク: https://github.com/MohammedAfthab18/EEG-Driven-Emotion-Detection-and-Classification
このプロジェクトでは、脳波データを使って、機械学習技術により人間の感情を分類します。
この研究では、金融ニュース記事の感情を分析するためにディープラーニングの力を活用することを目指しています。私たちは3つの異なるディープラーニングアーキテクチャを使用し、それらのパフォーマンスを徹底的に評価しています：
Long Short-Term Memory (LSTM): よく知られているリカレントニューラルネットワーク（RNN）の一種であるLSTMは、シークエンスの長距離依存関係を捉えるように設計されています。私たちは金融ニュースデータの連続した性質を理解し、その感情を判断するためにLSTMベースのモデルを訓練しています。
Gated Recurrent Unit (GRU): もう一つのRNNの変形である、Gated Recurrent Unit（GRU）は、シーケンシャルデータを扱う上で優れた可能性を見せています。私たちはGRUを使用し、感情分析におけるLSTMとのパフォーマンスを比較します。
Deep Neural Network (DNN): リカレントアーキテクチャに加えて、本質的にシーケンシャルでないDeep Neural Networkの能力を探求します。多層DNNを設計することで、感情分類において競争力のある結果を出せるかどうかを評価します。
こちらの記事はdev.toの良い記事を日本人向けに翻訳しています。
https://dev.to/mohammedafthab18/eeg-driven-emotion-detection-and-classification-31el
