Revista Internacional de Psicología Cognitiva y Escolar
Acceso abierto

abstracto

Emo-Gem: un análisis de psicología emocional afectiva impactada a través del modelo gaussiano usando Amigos

Martín Costeris

El análisis del afecto humano (sentimientos) que se liberan directamente en las emociones humanas es obligatorio para competir con muchos impactos psicológicos. Las emociones humanas son más preciosas y reales. La historia de la Teoría del Efecto implica la idea de detectar los sentimientos y emociones que parecen necesarios para predecir el comportamiento. El trabajo de investigación propuesto se basa en predecir la emoción real utilizando un modelo robusto con datos neurofisiológicos. Cualquier cambio en el afecto emocional dispara directamente las señales fisiológicas. El sistema presentado utiliza el concepto de modelos de mezcla gaussiana para crear un algoritmo de predicción novedoso denominado técnica de maximización de la expectativa gaussiana (GEM) utilizando el conjunto de datos amigos. El conjunto de datos consideró señales fisiológicas como electrocardiografía (ECG), electroencefalografía (EEG), respuesta galvánica de la piel (GSR). La respuesta estadística después del procesamiento de los datos, los resultados medibles en las etiquetas de emoción, las respuestas de coincidencia con las muestras de entrenamiento impactan directamente en los resultados obtenidos. El sistema presentado se discute comparativamente con un enfoque de vanguardia en términos de parámetros estadísticos como la desviación estándar, la media de la población, etc. El análisis comparativo de varios participantes y sus puntos de covariables únicos se extraen para un análisis profundo de las emociones. El sistema propuesto logra la detección de afectos emocionales como la ira, el desprecio, el asco, la alegría y la tristeza. Basado en varios aprendizajes iterativos con expectativas mejoradas y extracción de valor de maximización, el sistema propuesto detecta la emoción con iteraciones mínimas de 5.