首页/论文/cs/0206008

arXiv cs/02060082002-06-03cs.AIcs.NEq-bio.NCq-bio.QM

感觉和情绪的计算机建模：感知认知的定量神经网络模型

Computer modeling of feelings and emotions: a quantitative neural network model of the feeling-of-knowing

Petro M. Gopych

备注：: A report presented at the IVth Kharkiv International Psychology Conference dedicated to 70th anniversary of psychology studies at Kharkiv University "Psychology in Contemporary World :Theory and Practice" held in Kharkiv, Ukraine, April 18-19, 2002, 5 pages, 2 Figures
发表信息：: Kharkiv University Bulletin, Series Psychology, 2002, no.550(part 1), p.54-58

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

第一个定量的神经网络模型的感情和情绪的神经科学和进化生物学性质的基础上，提出了一个神经网络人类记忆模型，承认有意识和无意识的心理过程中的时间依赖性的方式不同的描述。作为一个例子，该模型被应用于定量描述的感觉知道。

英文摘要：

The first quantitative neural network model of feelings and emotions is proposed on the base of available data on their neuroscience and evolutionary biology nature, and on a neural network human memory model which admits distinct description of conscious and unconscious mental processes in a time dependent manner. As an example, proposed model is applied to quantitative description of the feeling of knowing.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

深层情感：一种使用深层神经网络的情感计算模型

Deep Emotion: A Computational Model of Emotion Using Deep Neural Networks

The University of Electro-Communications（电气通信大学）

情绪对人类智力非常重要。例如，情绪与对内部身体状态和外部刺激的评价密切相关。这有助于我们对环境做出快速反应。人类智力的另一个重要方面是情绪在决策中的作用。此外，情绪的社会方面也非常重要。因此，如果情绪的机制得到阐明，我们就可以进一步了解我们的自然智力。在本研究中，我们提出一个情绪的模型，透过计算模型来阐明情绪的机制。此外，从伙伴机器人的角度来看，情感模型可以帮助我们建造能够对人类产生同情的机器人。为了理解和同情人们的感受，机器人需要有自己的情感。这可能会让机器人被人类社会所接受。所提出的模型使用由三个模块组成的深度神经网络来实现，这三个模块相互作用。仿真结果表明，该模型表现出合理的行为作为情感的基本机制。

2018-08-25cs.AIcs.HC

歌曲情感识别：音频特征与人工神经网络的性能比较

Song Emotion Recognition: a Performance Comparison Between Audio Features and Artificial Neural Networks

School of Electrical and Computer Engineering（电气与计算机工程学院）；University of Campinas（坎皮纳斯大学）

当创作或表演歌曲时，歌手/词曲作者往往有一种表达感情或情感的意图。对于人类来说，将音乐作品或表演中的情感与观众的主观感知相匹配可能是相当具有挑战性的。幸运的是，解决这个问题的机器学习方法更简单。通常，它需要一个数据集，从中提取音频特征以将此信息呈现给数据驱动模型，该模型进而将进行训练以预测给定歌曲与目标情感匹配的概率是多少。在本文中，我们研究了最近出版物中用于解决这个问题的最常见的特征和模型，揭示了哪些最适合识别无伴奏合唱歌曲中的情感。

2022-09-24cs.AIcs.SDeess.AS

舌尖现象的三阶段定量神经网络模型

Three-Stage Quantitative Neural Network Model of the Tip-of-the-Tongue Phenomenon

本文提出了一种新的三阶段计算机人工神经网络模型，并证明了它的随机性。提出了一种计算舌尖状态强度和出现概率的方法，以及感知觉产生的神经网络机制。该模型综合了记忆，心理语言学和元记忆的方法，桥梁语音错误和命名计时研究传统。对契诃夫的短篇小说《一个马的名字》中的一个舌尖案例进行了模型分析。定义了一种新的“甩臂效应”。

2001-07-09cs.AIcs.CLq-bio.NC

自然主义语境下具有暂时局部化“情绪事件”的情绪识别

Emotion Recognition With Temporarily Localized 'Emotional Events' in Naturalistic Context

Indian Institute of Information Technology Allahabad（印度阿拉哈巴德信息技术学院）

基于脑电信号的情感识别是一个新兴的研究领域，因为它在脑机接口中具有广泛的适用性。在实验室里很难激发情感。情绪不会持续很长时间，但它们需要足够的背景来感知和感受。然而，大多数EEG相关的情感数据库要么遭受情感无关的细节（由于长时间的刺激）或有最小的上下文怀疑使用刺激的任何情感的感觉。我们试图通过设计一个实验来减少这种权衡的影响，在这个实验中，参与者可以自由地报告他们的情绪感受，同时观看情绪刺激。在我们的自然主义刺激情绪数据集（DENS）中，我们将这些报告的情绪感受称为“情绪事件”。我们使用EEG信号对情绪事件进行分类，并将结果与DEAP和SEED的基准数据集进行比较。STFT用于特征提取，并用于由CNN-LSTM混合层组成的分类模型中。与DEEP和SEED数据相比，我们的数据实现了更高的准确性。我们的结论是，有精确的信息，情绪的感觉，提高了分类的准确性相比，长时间的脑电信号，这可能是污染的走神。

2022-10-25cs.AIcs.HCcs.LG

基于EEG信号的人体情绪分类：使用循环神经网络与KNN

Human Emotion Classification based on EEG Signals Using Recurrent Neural Network And KNN

SRM Institute Of Science And Technology（SRM科学技术学院）；SSJ Government Institute Of Medical Science And Research（SSJ政府医学科学研究所）

本文利用离散小波变换结合RNN和kNN算法对EEG信号进行情绪三分类，通过通道选择预处理构建特征向量，平均准确率分别达到94.844%和93.438%。

2022-05-10cs.AIcs.HCcs.LG

用于从音频信号中感知压力的MSN-CNN：一种脑化学方法

Emo-CNN for Perceiving Stress from Audio Signals: A Brain Chemistry Approach

University of Waterloo（滑铁卢大学）；Centralesupelec（中央理工-高等电力学院）

情感在医疗保健等许多应用中起着关键作用，以收集患者的情感行为。有一些情绪，由于它们在理解人类情感方面的有效性而被赋予更大的重要性。在本文中，我们提出了一种方法，从音频信号模拟人类的压力。语音情感检测的研究挑战是定义压力的含义，并能够以精确的方式对其进行分类。受监督的机器学习模型，包括最先进的深度学习分类方法，依赖于干净和标记数据的可用性。情感计算和情感检测中的一个问题是压力的标注数据量有限。现有的标记的压力情绪数据集是高度主观的注释者的感知。我们解决的第一个问题的特征选择，利用传统的MFCC功能在卷积神经网络。我们的实验表明，在多个数据集上，EST-CNN的性能始终显著优于现有的流行方法。它在DB-DB数据集上实现了90.2%的分类准确率。为了解决第二个也是更重要的压力标签主观性问题，我们使用洛夫海姆立方体，这是一个情绪的三维投影。该立方体旨在解释这些神经递质与情绪在3D空间中的位置之间的关系。使用三分量PCA（主成分分析）将从EST-CNN学习的情感表示映射到立方体，然后将其用于对人类压力进行建模。这种方法不仅避免了对标记压力数据的需要，而且符合洛夫海姆立方体给出的情绪心理学理论。我们相信这项工作是在人工智能和人类情感化学之间建立联系的第一步。

2020-01-08cs.AIcs.HCcs.SD

更多相关论文收起更多论文

基于MFCC特征和LSTM深度学习模型的语音情感识别

Speech Emotion Recognition Using MFCC Features and LSTM-Based Deep Learning Model

Department of Electrical Electronics and Telecommunications Engineering, Bells University of Technology（贝尔大学技术学院电子与电信工程系）；New Horizons Bells University of Technology（新希望贝尔大学技术学院）；Department of Computer Engineering, Bells University of Technology（贝尔大学技术学院计算机工程系）；Department of Computer and Information Sciences, Towson University（托逊大学计算机与信息科学系）

本文提出利用MFCC和LSTM模型进行语音情感识别，通过预处理TESS数据集并提取MFCC特征，验证了LSTM在捕捉语音情感模式上的有效性，实验结果显示LSTM模型在情感分类上达到99%的准确率。

2026-04-16cs.AIcs.SDeess.AS

基于情感生成计算的游客情感推荐系统

Affective Recommendation System for Tourists by Using Emotion Generating Calculations

Prefecture University of Hiroshima（广岛县立大学）；Prefectural University of Hiroshima（广岛县立大学）

一个面向情绪的智能接口由情绪生成计算（EGC）和心理状态转换网络（MSTN）组成。我们已经开发了Android EGC应用软件，代理工作，以评估在对话中的感情。在本文中，我们开发的旅游信息系统，可以估计用户在旅游景点的感受。该系统可以根据用户的感受推荐旅游景点和当地美食。该系统通过Google搜索结果、词在旅游网站中的重要程度以及EGC引起的情感的评价函数计算出推荐列表。为了证明该方法的有效性，本文描述了在广岛观光期间的一些情况下的实验结果。

2018-04-09cs.AIcs.HCcs.IR

用于预防的人工智能-COVID-19社会隔离期间的语义趋势和人的情绪检测

Artificial Intelligence for Emotion-Semantic Trending and People Emotion Detection During COVID-19 Social Isolation

Nanjing University of Science and Technology（南京理工大学）；Dalhousie University（达尔豪斯大学）

利用社交媒体平台，如Twitter，本文提供了一个有效的框架，情绪检测被隔离的人。早期发现情绪感受及其趋势有助于实施及时的干预策略。鉴于隔离期间对早期情绪变化迹象的医学诊断存在局限性，人工智能模型在发现早期迹象、症状和升级趋势方面提供了有效机制。本文提出的方法的新颖性是文本数据处理的多任务方法框架，其基于Plutchik/Ekman的情感检测和趋势检测方法被实现为用于有意义的情感检测和分析的流水线。我们提出了一个评估的框架和试点系统。结果证实了所提出的框架对COVID-19推文的主题趋势和情感检测的有效性。我们的研究结果显示，呆在家里的限制导致人们在Twitter上表达消极和积极的情感语义。与呆在家里有关的安全问题的语义趋势在28天内迅速下降，与朋友死亡和隔离生活有关的负面情绪在某些日子里增加。这些发现有可能通过监测被隔离者的情绪变化趋势来影响公共卫生政策决策。这里提出的框架有潜力，以协助在这种监测作为一个在线的情绪检测工具包。

2021-01-16cs.AIcs.IRcs.SI

LLaMA模型也有情感：通过探测揭示LLaMA模型中的情感与情绪表示

LLaMAs Have Feelings Too: Unveiling Sentiment and Emotion Representations in LLaMA Models Through Probing

Politecnico di Bari（巴里理工学院）；Sapienza University of Rome（罗马萨皮恩扎大学）

本研究通过探针分类器探测Llama模型的隐藏层，发现情感信息主要集中于中间层，检测准确率较提示技术提升14%，内存需求平均降低57%，为超越提示的情感任务提供了有效方法。

2025-05-30cs.AIcs.CL

EDA：使用神经注释器的包围来丰富情感对话行为

EDA: Enriching Emotional Dialogue Acts using an Ensemble of Neural Annotators

University of Hamburg（汉堡大学）

情感和对话行为的识别丰富了会话分析，有助于构建自然的对话系统。情感解读使我们理解情感，而对话行为则反映话语的意图和施为功能。然而，大多数文本和多模态会话情感语料库只包含情感标签，而不包含对话行为。为了解决这个问题，我们建议使用一个在对话行为语料库上训练的各种递归神经模型的池，有上下文和没有上下文。这些神经模型用对话行为标签标注情感语料库，并且集成标注器提取最终的对话行为标签。我们标注了两个可访问的多模态情感语料库：IEMOCAP和MELD。我们分析了情感和对话行为标签的共现，发现了特定的关系。例如，接受/同意对话行为经常伴随着喜悦的情绪、悲伤的道歉和喜悦的感谢发生。我们将情感对话行为（EDA）语料库公开提供给研究界进行进一步的研究和分析。

2020-03-16cs.AIcs.CLcs.RO

基于情感生成计算和心理状态转换网络的Android智能手机旅游导航

Tourist Navigation in Android Smartphone by using Emotion Generating Calculations and Mental State Transition Networks

Prefectural University of Hiroshima（广岛县立大学）

心理状态转换网络是一个近似于人类心理和心理反应的基本概念，它由相互联系的心理状态组成。它可以通过计算情绪生成计算方法来表示从一种情绪状态到另一种情绪状态的过渡。通过EGC方法，智能体可以在分析情绪的基础上，在MPEG2中转换一种心理状态。在本文中，智能体工作在Android智能手机上的智能EGC可以评估会话中的情感。本文提出的技术与旅游导航系统将有望成为一个情感导向的Android智能手机的界面。

2018-04-08cs.AIcs.HC

儿童电脑游戏音视频情感识别的模糊方法

Fuzzy Approach for Audio-Video Emotion Recognition in Computer Games for Children

Kazakh-British Technical University（哈萨克-英国技术大学）

本文提出融合 FER 与 CREMA-D 等多数据集及模糊推理的儿童游戏音视频情感识别框架，可追踪情感稳定性、多样性和主导情绪。

2023-08-31cs.AI

多条件StyleGANs艺术创作

Art Creation with Multi-Conditional StyleGANs

Hasso Plattner Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所）；ZBW -- Leibniz Information Centre for Economics（莱布尼茨经济信息中心）；Kiel University（基尔大学）

创造有意义的艺术通常被视为人类独特的努力。人类艺术家需要结合独特的技能，理解和真正的意图来创作唤起深刻感情和情感的艺术品。在本文中，我们介绍了一种多条件生成对抗网络（GAN）方法，该方法在大量人类绘画上进行训练，以合成模仿人类艺术的逼真绘画。我们的方法基于StyleGAN神经网络架构，但引入了一种自定义的多条件控制机制，该机制对生成的绘画的特征提供细粒度控制，例如，观众的情绪反应。为了更好地控制，我们引入了条件截断技巧，它适应了标准截断技巧的条件设置和不同的数据集。最后，我们开发了一套多样化的评估技术，适合多条件生成。

2022-02-23cs.AIcs.CV