神経人文学のためのリアルタイムEEGベースの感情認識：主成分分析と木構造アルゴリズムの視点

人文学の分野では、教育革新の必要性が認識されており、現在、環境と相互作用して人文学における学習体験を向上させるためのツールが報告されていない。 このプロジェクトは、このギャップを埋めるための解決策を提案し、技術を統合し、特に没入型空間内での人文学的文脈における学習プロセス中に感情のモニタリングを取り入れることにより、人文学における教育方法論の開発を促進する。 この目標を達成するために、特定の感情を解釈し分類するためのリアルタイム感情認識EEGベースのシステムが開発された。 これらの感情は、デカルトによる初期提案（情熱）に一致し、感銘、愛、憎悪、欲望、喜び、悲しみを含んでいる。 このシステムは、神経人文学ラボのインタラクティブプラットフォームに感情データを統合し、包括的で没入感のある学習環境を創造することを目指している。 この作業では、リアルタイム感情認識モデルのMLが開発され、5秒ごとに気分、覚醒、支配（VAD）推定を提供した。 PCA、PSD、RF、およびExtra-Treesを使用して、最良の8チャンネルとそれぞれの最良のバンドパワーが抽出され、さらに、シフトベースのデータ分割と交差検証を使用して複数のモデルが評価された。 実績を評価した結果、Extra-Treesは94％の一般的正確度を達成し、文献で報告された88％の正確度を上回った。 提案されたモデルはVAD変数のリアルタイム予測を提供し、デカルトの6つの主要な情熱を分類するように適応された。 しかし、得られたVAD値をもとに、15以上の感情を分類でき（VAD感情マッピングで報告された）、このアプリケーションの範囲を拡張する。