Ανάλυση σημάτων EEG κατά την ακρόαση μουσικής
Φόρτωση...
Ημερομηνία
Συγγραφείς
Παπαμαργαρίτης, Χαρίσιος
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Η μουσική ακρόαση αποτελεί μια από τις πιο διαδεδομένες μορφές απόλαυσης του ανθρώπου δημιουργώντας συναισθήματα όπως η χαρά, η λύπη, η ευτυχία ή η θλίψη. Η μελέτη αυτών των συναισθημάτων αποτελεί μια πρόκληση στον τομέα της νευροεπιστήμης, ειδικά με τα τεχνολογικά μέσα παρατήρησης και ελέγχου όπως είναι ο ηλεκτροεγκεφαλογράφος. Μέσα από την διαδικασία της καταγραφής της δραστηριότητας του εγκεφάλου κατά τη διάρκεια της ακρόασης είναι εύκολο και αποκαλυφθούν τα συναισθήματα που δημιουργεί η μουσική στους συμμετέχοντες. Τα συναισθήματα όπως η οικειότητα(familiarity), η απόλαυση(enjoyment) μπορούν να καταγραφούν και να αναγνωριστούν κατά τη διάρκεια της ακρόασης. Η χρήση της μηχανικής μάθησής συμβάλει στη δημιουργία προτύπων αναγνώρισης και πρόβλεψης αυτών των συναισθημάτων.
Η παρούσα διπλωματική εργασία ασχολείται με τα ανθρώπινα συναισθήματα που δημιουργούνται από την ακρόαση της μουσικής μέσω του ηλεκτροεγκεφαλογραφήματος (ΗΕΓ). Η κατηγοριοποίηση των συναισθημάτων μέσω της μηχανικής μάθησης θα πραγματοποιηθεί με αλγόριθμους με μετρήσεις ηλεκτροεγκεφαλογραφήματος από την βάση δεδομένων OpenNeuro και συγκεκριμένα στον σύνδεσμο https://openneuro.org/datasets/ds003774/versions/1.0.2.
Listening to music is one of the most widespread forms of human enjoyment creating emotions such as joy, sadness, happiness or sadness. The study of these emotions is a challenge in the field of neuroscience, especially with the technological means of observation and control such as the electroencephalograph. Through the process of recording brain activity during listening, it is easy to reveal the emotions that the music creates in the participants. Feelings such as familiarity, enjoyment can be registered and recognized during listening. Using machine learning helps create patterns to recognize and predict these emotions. This thesis deals with the human emotions created by listening to music through the electroencephalogram (EEG). Categorization of emotions through machine learning will be performed with algorithms with EEG measurements from the OpenNeuro database and specifically at the link https://openneuro.org/datasets/ds003774/versions/1.0.2.
Listening to music is one of the most widespread forms of human enjoyment creating emotions such as joy, sadness, happiness or sadness. The study of these emotions is a challenge in the field of neuroscience, especially with the technological means of observation and control such as the electroencephalograph. Through the process of recording brain activity during listening, it is easy to reveal the emotions that the music creates in the participants. Feelings such as familiarity, enjoyment can be registered and recognized during listening. Using machine learning helps create patterns to recognize and predict these emotions. This thesis deals with the human emotions created by listening to music through the electroencephalogram (EEG). Categorization of emotions through machine learning will be performed with algorithms with EEG measurements from the OpenNeuro database and specifically at the link https://openneuro.org/datasets/ds003774/versions/1.0.2.
Περιγραφή
Λέξεις-κλειδιά
μουσική, συναισθήματα, ηλεκτροεγκεφαλογράφημα, μηχανική μάθηση
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Όνομα επιβλέποντος
Τζάλλας, Αλέξανδρος
Εξεταστική επιτροπή
Τζάλλας, Αλέξανδρος
Γιαννακέας, Νικόλαος
Τσούλος, Ιωάννης
Γιαννακέας, Νικόλαος
Τσούλος, Ιωάννης
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ονόματα συντελεστών
Αριθμός σελίδων
76
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States