En analyse af overfølsomhed af smartphone i betingelserne for følelser ved hjælp af hjernebølger og dyb learning (2017)

Kim, Seul-Kee og Hang-Bong Kang. Neurocomputing (2017).

Highlights

• Smartphone-afhængighedsrisikogruppen (13-emner) og ikke-risikogruppen (12-emner) så på videoer, der skildrede begreberne afslappet, frygt, glæde og tristhed.

• Risikogruppen var mere følelsesmæssigt ustabil end ikke-risikogruppen i EEG. Især i erkendelse af frygt forekom en klar forskel mellem risikogruppen og risikogruppen.

• Vi vurderede asymmetriffekten med hensyn til teta-, alfa-, beta-, gamma- og totalaktivitet i 11-lobes, og gamma-båndet var tydeligst forskelligt mellem risikogrupperne og ikke-risikogrupperne.

• Vi fandt ud af, at målingerne af aktivitet i frontal, parietal og temporal lobes var indikatorer for følelsesgenkendelse.

• Vi bekræftede via det dybe trosnetværk, at risikogruppen havde højere nøjagtighed i lav valence og ophidselse; På den anden side havde den ikke-risikogruppe højere nøjagtighed i højvalens og ophidselse.

Abstrakt

Overforbrug af smartphones bliver i stigende grad et socialt problem. I dette papir analyserer vi overstyringsniveauer i smartphone, i henhold til følelser, ved at undersøge hjernebølger og dyb læring. Vi vurderede asymmetri kraften i forhold til theta, alpha, beta, gamma og total brainwave aktivitet i 11 lobes. Det dybe trosnetværk (DBN) blev anvendt som den dybe læringsmetode sammen med k-nærmeste nabo (kNN) og en support-vektormaskine (SVM) til at bestemme smartphoneafhængighedsniveauet. Risikogruppen (13-personer) og ikke-risikogruppe (12-personer) så på videoer, der udgjorde følgende begreber: afslappet, frygt, glæde og tristhed. Vi fandt ud af, at risikogruppen var mere følelsesmæssigt ustabil end ikke-risikogruppen. Ved anerkendelse af Fear optrådte der en klar forskel mellem risikogruppen og risikogruppen. Resultaterne viste, at gamma båndet var den tydeligste forskelligt mellem risikogrupperne og ikke-risikogrupperne. Desuden viste vi, at målingerne af aktivitet i frontal, parietal og temporal lobes var indikatorer for følelsesgenkendelse. Gennem DBN bekræftede vi, at disse målinger var mere præcise i risikogruppen end i risikogruppen. Risikogruppen havde højere nøjagtighed i lav valence og ophidselse; På den anden side havde den ikke-risikogruppe højere nøjagtighed i højvalens og ophidselse.

nøgleord

  • Deep belief netværk
  • Elektroencefalografi (EEG)
  • Følelsesgenkendelse
  • Smartphone overbrug