Emotion classification using artificial intelligence and physiological signal processing

Página do item simplificado
dc.contributor.advisorMoraes, Matheus Cardoso [UNIFESP]
dc.contributor.advisor-coCasali, Karina Rabello [UNIFESP]
dc.contributor.advisor-coCunha, Tatiana Souza [UNIFESP]
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/2188710413184266pt_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/6737487161341934pt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/1854451408004051pt_BR
dc.contributor.authorClaret, Anderson Faria [UNIFESP]
dc.contributor.authorLatteshttp://lattes.cnpq.br/5362696519263153pt_BR
dc.coverage.spatialSão José dos Campos - SPpt_BR
dc.date.accessioned2024-02-22T11:38:40Z
dc.date.available2024-02-22T11:38:40Z
dc.date.issued2024-01-25
dc.description.abstractEmoções 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.pt_BR
dc.description.sponsorshipNão recebi financiamentopt_BR
dc.emailadvisor.custommatheus.moraes@unifesp.brpt_BR
dc.format.extent145 f.pt_BR
dc.identifier.urihttps://repositorio.unifesp.br/handle/11600/70753
dc.languageengpt_BR
dc.publisherUniversidade Federal de São Paulopt_BR
dc.rightsinfo:eu-repo/semantics/openAccesspt_BR
dc.subjectEmoçõespt_BR
dc.subjectClassificação Automática de Emoçõespt_BR
dc.subjectProcessamento de Sinais Cardíacospt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.titleEmotion classification using artificial intelligence and physiological signal processingpt_BR
dc.typeinfo:eu-repo/semantics/masterThesispt_BR
unifesp.campusInstituto de Ciência e Tecnologia (ICT)pt_BR
unifesp.graduateProgramMestrado Profissional Interdisciplinar em Inovação Tecnológicapt_BR
unifesp.knowledgeAreaInterdisciplinarpt_BR
unifesp.researchAreaProcessos e Produtos Tecnológicospt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
EMOTION CLASSIFICATION USING ARTIFICIAL INTELLIGENCE AND PHYSIOLOGICAL SIGNAL PROCESSING.pdf
Tamanho:
6.95 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
5.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Mestrado Profissional Interdisciplinar em Inovação Tecnológica