Emotion classification using artificial intelligence and physiological signal processing

Detalhes bibliográficos
Autor(a) principal: Claret, Anderson Faria [UNIFESP]
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da UNIFESP
Texto Completo: https://repositorio.unifesp.br/handle/11600/70753
Resumo: Emoções desempenham um papel crucial na cognição humana, exercendo influência em vários aspectos da vida dos indivíduos. A ampla adoção da inteligência artificial e do aprendizado de máquina despertou o interesse no desenvolvimento de sistemas capazes de reconhecer e classificar automaticamente emoções e estados afetivos. No entanto, identificar com precisão as emoções humanas continua a ser um desafio formidável devido à sua natureza multifacetada e às alterações fisiológicas associadas. Este estudo teve como objetivo criar uma ferramenta para classificação automática de emoções humanas, independente do participante, utilizando sinais cardíacos de dispositivos de baixo custo e um conjunto de dados disponível publicamente. O projeto foi apoiado por uma revisão sistemática da literatura e abrangeu o processamento de sinais cardíacos e a aplicação de algoritmos de aprendizado de máquina para classificar nove estados emocionais diferentes. Três métodos distintos de organização de dados foram desenvolvidos e quatro modelos diferentes de aprendizado de máquina foram empregados para a tarefa de classificação. Os resultados obtidos a partir das diversas abordagens de organização de dados complementaram-se, enfatizando a necessidade de incorporar uma variabilidade substancial nas respostas fisiológicas a situações emocionais durante o processo de treino para alcançar resultados ótimos num contexto independente do participante. O potencial de aplicação da ferramenta proposta é extenso, abrangendo desde a área médica até a avaliação e desenvolvimento de novos produtos de consumo, justificando sua importância.
id UFSP_0e738a8560a680df797fa000ba763b1c
oai_identifier_str oai:repositorio.unifesp.br/:11600/70753
network_acronym_str UFSP
network_name_str Repositório Institucional da UNIFESP
repository_id_str 3465
spelling Emotion classification using artificial intelligence and physiological signal processingEmoçõesClassificação Automática de EmoçõesProcessamento de Sinais CardíacosInteligência ArtificialAprendizado de MáquinaEmoções desempenham um papel crucial na cognição humana, exercendo influência em vários aspectos da vida dos indivíduos. A ampla adoção da inteligência artificial e do aprendizado de máquina despertou o interesse no desenvolvimento de sistemas capazes de reconhecer e classificar automaticamente emoções e estados afetivos. No entanto, identificar com precisão as emoções humanas continua a ser um desafio formidável devido à sua natureza multifacetada e às alterações fisiológicas associadas. Este estudo teve como objetivo criar uma ferramenta para classificação automática de emoções humanas, independente do participante, utilizando sinais cardíacos de dispositivos de baixo custo e um conjunto de dados disponível publicamente. O projeto foi apoiado por uma revisão sistemática da literatura e abrangeu o processamento de sinais cardíacos e a aplicação de algoritmos de aprendizado de máquina para classificar nove estados emocionais diferentes. Três métodos distintos de organização de dados foram desenvolvidos e quatro modelos diferentes de aprendizado de máquina foram empregados para a tarefa de classificação. Os resultados obtidos a partir das diversas abordagens de organização de dados complementaram-se, enfatizando a necessidade de incorporar uma variabilidade substancial nas respostas fisiológicas a situações emocionais durante o processo de treino para alcançar resultados ótimos num contexto independente do participante. O potencial de aplicação da ferramenta proposta é extenso, abrangendo desde a área médica até a avaliação e desenvolvimento de novos produtos de consumo, justificando sua importância.Não recebi financiamentoUniversidade Federal de São PauloMoraes, Matheus Cardoso [UNIFESP]Casali, Karina Rabello [UNIFESP]Cunha, Tatiana Souza [UNIFESP]http://lattes.cnpq.br/2188710413184266http://lattes.cnpq.br/6737487161341934http://lattes.cnpq.br/1854451408004051http://lattes.cnpq.br/5362696519263153Claret, Anderson Faria [UNIFESP]2024-02-22T11:38:40Z2024-02-22T11:38:40Z2024-01-25info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersion145 f.application/pdfhttps://repositorio.unifesp.br/handle/11600/70753engSão José dos Campos - SPinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESP2024-08-13T20:43:32Zoai:repositorio.unifesp.br/:11600/70753Repositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652024-08-13T20:43:32Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false
dc.title.none.fl_str_mv Emotion classification using artificial intelligence and physiological signal processing
title Emotion classification using artificial intelligence and physiological signal processing
spellingShingle Emotion classification using artificial intelligence and physiological signal processing
Claret, Anderson Faria [UNIFESP]
Emoções
Classificação Automática de Emoções
Processamento de Sinais Cardíacos
Inteligência Artificial
Aprendizado de Máquina
title_short Emotion classification using artificial intelligence and physiological signal processing
title_full Emotion classification using artificial intelligence and physiological signal processing
title_fullStr Emotion classification using artificial intelligence and physiological signal processing
title_full_unstemmed Emotion classification using artificial intelligence and physiological signal processing
title_sort Emotion classification using artificial intelligence and physiological signal processing
author Claret, Anderson Faria [UNIFESP]
author_facet Claret, Anderson Faria [UNIFESP]
author_role author
dc.contributor.none.fl_str_mv Moraes, Matheus Cardoso [UNIFESP]
Casali, Karina Rabello [UNIFESP]
Cunha, Tatiana Souza [UNIFESP]
http://lattes.cnpq.br/2188710413184266
http://lattes.cnpq.br/6737487161341934
http://lattes.cnpq.br/1854451408004051
http://lattes.cnpq.br/5362696519263153
dc.contributor.author.fl_str_mv Claret, Anderson Faria [UNIFESP]
dc.subject.por.fl_str_mv Emoções
Classificação Automática de Emoções
Processamento de Sinais Cardíacos
Inteligência Artificial
Aprendizado de Máquina
topic Emoções
Classificação Automática de Emoções
Processamento de Sinais Cardíacos
Inteligência Artificial
Aprendizado de Máquina
description Emoções desempenham um papel crucial na cognição humana, exercendo influência em vários aspectos da vida dos indivíduos. A ampla adoção da inteligência artificial e do aprendizado de máquina despertou o interesse no desenvolvimento de sistemas capazes de reconhecer e classificar automaticamente emoções e estados afetivos. No entanto, identificar com precisão as emoções humanas continua a ser um desafio formidável devido à sua natureza multifacetada e às alterações fisiológicas associadas. Este estudo teve como objetivo criar uma ferramenta para classificação automática de emoções humanas, independente do participante, utilizando sinais cardíacos de dispositivos de baixo custo e um conjunto de dados disponível publicamente. O projeto foi apoiado por uma revisão sistemática da literatura e abrangeu o processamento de sinais cardíacos e a aplicação de algoritmos de aprendizado de máquina para classificar nove estados emocionais diferentes. Três métodos distintos de organização de dados foram desenvolvidos e quatro modelos diferentes de aprendizado de máquina foram empregados para a tarefa de classificação. Os resultados obtidos a partir das diversas abordagens de organização de dados complementaram-se, enfatizando a necessidade de incorporar uma variabilidade substancial nas respostas fisiológicas a situações emocionais durante o processo de treino para alcançar resultados ótimos num contexto independente do participante. O potencial de aplicação da ferramenta proposta é extenso, abrangendo desde a área médica até a avaliação e desenvolvimento de novos produtos de consumo, justificando sua importância.
publishDate 2024
dc.date.none.fl_str_mv 2024-02-22T11:38:40Z
2024-02-22T11:38:40Z
2024-01-25
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.unifesp.br/handle/11600/70753
url https://repositorio.unifesp.br/handle/11600/70753
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 145 f.
application/pdf
dc.coverage.none.fl_str_mv São José dos Campos - SP
dc.publisher.none.fl_str_mv Universidade Federal de São Paulo
publisher.none.fl_str_mv Universidade Federal de São Paulo
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFESP
instname:Universidade Federal de São Paulo (UNIFESP)
instacron:UNIFESP
instname_str Universidade Federal de São Paulo (UNIFESP)
instacron_str UNIFESP
institution UNIFESP
reponame_str Repositório Institucional da UNIFESP
collection Repositório Institucional da UNIFESP
repository.name.fl_str_mv Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)
repository.mail.fl_str_mv biblioteca.csp@unifesp.br
_version_ 1814268419014393856