Հրապարակման մանրամասներ:

Լույս է տեսնում 1948 թվականից՝ տարին 4 անգամ։

Ամսագրի կամ հրապարակման վերնագիր:

ՀՀ ԳԱԱ և ՀՊՃՀ Տեղեկագիր. Տեխնիկական գիտություններ =Proceedings of the NAS RA and SEUA: Technical Sciences

Հրապարակման ամսաթիվ:

2022

Հատոր:

75

Համար:

4

ISSN:

0002-306X

Պաշտոնական URL:

Լրացուցիչ տեղեկություն:

Հարությունյան Է. Ա., Арутюнян Э. А.

Այլ վերնագիր:

Զգացմունքների հայտնաբերման մեթոդների նկատմամբ պահանջների ձևավորումը ; Формирование требований к методам детекции эмоций

Աջակից(ներ):

Պատ․ խմբ․՝ Ա․ Գ․ Նազարով (1957-1964) ; Մ․ Վ․ Կասյան (1964-1988) ; Ռ․ Մ․ Մարտիրոսյան (1989-2017 ) ; Գլխավոր խմբ․՝ Վ․ Շ․ Մելիքյան (2018-)

Ծածկույթ:

508-518

Ամփոփում:

In the technological age, emotion detection has gradually become a research hotspot and one of the most important fields in human-computer interaction. Different proposed technologies of recent years on emotion detection have been summarized and compared. The relatively often used emotion types are presented, including Paul Ekman's, Parrot’s, Circumplex model and Plutchik’s Wheel. Speech, Text, Facial Expressions, and Electroencephalogram were discussed as sources of emotions. 2 main sub-branches of emotion detection are discussed: unimodal and multimodal, which use the above sources. Each of these sources has its own advantages and disadvantages, and depending on the problem, the use of one may be more effective than that of the other. As a result, several important problems are highlighted, such as real-time data processing without external servers and devices, resource management, model creation for non-popular languages, etc. For model training a variety of datasets are used, some authors have even combined several for higher accuracy. Data enhancement methods were used by all authors in order to reduce noise at the preprocessing stage. Although some sources claim that better results can be obtained with the unimodal method, the multimodal method, if properly processed, results in a higher accuracy system.
Տեխնոլոգիական դարաշրջանում զգացմունքների հայտնաբերումը աստիճանաբար դարձել է հետազոտությունների թեժ կետ և մարդ-համակարգիչ փոխհարաբերության կարևորագույն ոլորտներից մեկը: Ամփոփվել և համեմատվել են զգացմունքների հայտնաբերման վերաբերյալ վերջին տարիներին առաջարկված տարբեր տեխնոլոգիաներ: Ներկայացված են համեմատաբար հաճախ օգտագործվող զգացմունքների տեսակները, այդ թվում՝ Փոլ Էքմանի, Պարրոտի, ցիրկումպլեքս մոդելի և Պլուտչիկի անիվը: Խոսքը, տեքստը, դեմքի արտահայտությունը և էլեկտրաուղեղագրությունը քննարկվել են որպես զգացմունքների աղբյուրներ: Քննարկվել են զգացմունքների հայտնաբերման երկու հիմնական ենթաճյուղեր՝ միամոդալային և բազմամոդալային, որոնք օգտագործում են վերը նշված աղբյուրները։ Այս աղբյուրներից յուրաքանչյուրն ունի իր առավելություններն ու թերությունները, և կախված խնդրից՝ մեկի օգտագործումը կարող է ավելի արդյունավետ լինել, քան մյուսինը: Արդյունքում ընդգծվել են մի քանի կարևոր խնդիրներ, ինչպիսիք են տվյալների իրական ժամանակի մշակումն առանց արտաքին սերվերների և սարքերի, ռեսուրսների կառավարումը, ոչ հանրաճանաչ լեզուների մոդելների ստեղծումը և այլն: Մոդելների ուսուցման համար օգտագործվել են տվյալների մի շարք հավաքածուներ, որոշ հեղինակներ նույնիսկ միավորել են մի քանիսը՝ ավելի բարձր ճշգրտության համար: Նախնական մշակման փուլում աղմուկը նվազեցնելու համար բոլոր հեղինակների կողմից օգտագործվել են տվյալների լավարկման մեթոդներ: Թեև որոշ աղբյուրներ պնդում են, որ ավելի լավ արդյունքներ կարելի է ձեռք բերել միամոդալային մեթոդով, սակայն բազմամոդալային մեթոդը, եթե ճիշտ մշակվի, հանգեցնում է ավելի բարձր ճշգրտությամբ համակարգի:
В век технологий обнаружение эмоций постепенно стало центром исследований и одной из самых важных областей взаимодействия человека с компьютером. Обобщены и сопоставлены предложенные в последние годы технологии обнаружения эмоций. Представлены относительно часто используемые типы эмоций, в том числе модель Пола Экмана, модель Паррота, Циркумплекс и Колесо Плутчика. В качестве источников эмоций рассматривались речь, текст, мимика и электроэнцефалограмма. Обсуждаются два основных направления обнаружения эмоций: одномодальное и мультимодальное, которые используют вышеуказанные источники. Каждый из этих источников имеет свои преимущества и недостатки, и, в зависимости от проблемы, использование одного из них может быть более эффективным, чем другого. В результате выделяются несколько важных проблем, таких как обработка данных в реальном времени без внешних серверов и устройств, управление ресурсами, создание моделей для непопулярных языков и т.д. Для обучения моделей использовались самые разные наборы данных, некоторые авторы даже объединяли несколько из них для большей точности. Методы улучшения данных использовались всеми авторами для уменьшения шума на этапе предобработки. Несмотря на то, что в некоторых источниках утверждается, что лучшие результаты можно получить с помощью одномодального метода, мульти- модальный метод, если его правильно обработать, дает более точную систему.

Հրատարակության վայրը:

Երևան

Հրատարակիչ:

«Պոլիտեխնիկ» տպ.

Ձևաչափ:

pdf

Նույնացուցիչ:

oai:arar.sci.am:358709

Դասիչ:

АЖ 413

Թվայնացում:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան

Բնօրինակի գտնվելու վայրը:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան