Uma análise do reconhecimento de uso excessivo de smartphones em termos de emoções usando Brainwaves e Deep Learning (2017)

Kim, Seul-Kee e Hang-Bong Kang. Neurocomputação (2017).

Destaques

• O grupo de risco de dependência de smartphones (indivíduos 13) e grupo sem risco (indivíduos 12) assistiram a vídeos retratando os conceitos de relaxamento, medo, alegria e tristeza.

• O grupo de risco foi mais emocionalmente instável do que o grupo sem risco no EEG. Especialmente, ao reconhecer o medo, surgiu uma clara diferença entre o grupo de risco e o grupo de não risco.

• Avaliamos o poder de assimetria em relação à atividade teta, alfa, beta, gama e total nos lóbulos 11, e a banda gama foi a mais obviamente diferente entre os grupos de risco e não-risco.

• Descobrimos que as medidas de atividade nos lobos frontal, parietal e temporal eram indicadores do reconhecimento de emoções.

• Através da profunda rede de crenças, confirmamos que o grupo de risco teve maior precisão em baixa valência e excitação; por outro lado, o grupo sem risco apresentou maior precisão em alta valência e excitação.

Sumário

O uso excessivo de smartphones está se tornando cada vez mais um problema social. Neste artigo, analisamos os níveis de uso excessivo de smartphones, de acordo com a emoção, examinando ondas cerebrais e aprendizado profundo. Avaliamos o poder de assimetria em relação à atividade teta, alfa, beta, gama e total de ondas cerebrais nos lóbulos 11. A rede de crenças profundas (DBN) foi utilizada como método de aprendizagem profunda, juntamente com o k-vizinho mais próximo (kNN) e uma máquina de vetores de suporte (SVM), para determinar o nível de dependência de smartphones. O grupo de risco (indivíduos 13) e grupo sem risco (indivíduos 12) assistiram a vídeos retratando os seguintes conceitos: relaxado, medo, alegria e tristeza. Descobrimos que o grupo de risco era mais emocionalmente instável do que o grupo sem risco. Ao reconhecer o Medo, surgiu uma clara diferença entre o grupo de risco e o grupo de não risco. Os resultados mostraram que a banda gama foi a mais obviamente diferente entre os grupos de risco e sem risco. Além disso, demonstramos que as medidas de atividade nos lobos frontal, parietal e temporal foram indicadores de reconhecimento de emoções. Através do DBN, confirmamos que essas medidas foram mais precisas no grupo sem risco do que no grupo de risco. O grupo de risco teve maior precisão em baixa valência e excitação; por outro lado, o grupo sem risco apresentou maior precisão em alta valência e excitação.

Palavras-chave

  • Rede de crenças profundas
  • Eletroencefalografia (EEG)
  • Reconhecimento de emoções
  • Uso excessivo de smartphones