EEG Classification Model for Emotion Detection Using Python

but.committeeprof. Dr. Ing. Jan Černocký (předseda) doc. Ing. Zdeněk Vašíček, Ph.D. (člen) Ing. Václav Šátek, Ph.D. (člen) Ing. Filip Orság, Ph.D. (člen) Ing. Vladimír Bartík, Ph.D. (člen)cs
but.defenceStudentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm A.cs
but.jazykangličtina (English)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorJawed, Soyibaen
dc.contributor.authorVengerová, Veronikaen
dc.contributor.refereeZaheer, Muhammad Asaden
dc.date.created2023cs
dc.description.abstractTáto práca sa zaoberá rozoznávaním emócií z elektroencefalogramu (EEG). Dva modely na binárnu klasifikáciu emócií, kde jeden model klasifikuje neutrálnu emóciu alebo strach a druhý šťastie a smútok. Počas práce boli vyskúšané mnohé rôzne architektúry, pričom najlepšie výsledky boli dosiahnuté modelom pozostávajúcim z dvoch vetiev KNN-LSTM spojenými pred výstupnou vrstvou. Výsledná presnosť bola 87.309% na klasifikáciu šťastia a smútku a 84.865% na klasifikáciu neutrálnej emócie a strachu.en
dc.description.abstractThis thesis deals with the task of recognizing emotions from electroencephalogram (EEG). Two models were trained for binary classification of emotions, where one classifies neutral emotion or fear and the other classifies happiness or sadness. During the work on this thesis many different architectures were tried, and the best result was obtained using a model with two branches of CNN-LSTM connected before the output layer. The resulting accuracy was 87.309% for sad-happy classification and 84.865% for neutral-fear emotion.cs
dc.description.markAcs
dc.identifier.citationVENGEROVÁ, V. EEG Classification Model for Emotion Detection Using Python [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.cs
dc.identifier.other143556cs
dc.identifier.urihttp://hdl.handle.net/11012/211050
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjecthlboké učenieen
dc.subjectstrojové učenieen
dc.subjectEEGen
dc.subjectElektroencefalografieen
dc.subjectrozoznávanie emóciiíen
dc.subjectklasifiká- cia emóciíen
dc.subjectLSTMen
dc.subjectGRUen
dc.subjectCNNen
dc.subjectkonvolučné neurónové sieteen
dc.subjectrekurentné neurónové sieteen
dc.subjectnespracované EEGen
dc.subjectdeep learningcs
dc.subjectmachine learningcs
dc.subjectEEGcs
dc.subjectElectroencephalographycs
dc.subjectemotion recognitioncs
dc.subjectemo- tion classificationcs
dc.subjectLSTMcs
dc.subjectGRUcs
dc.subjectCNNcs
dc.subjectconvolutional neural networkscs
dc.subjectrecurrent neural networkscs
dc.subjectraw EEGcs
dc.titleEEG Classification Model for Emotion Detection Using Pythonen
dc.title.alternativeEEG Classification Model for Emotion Detection Using Pythoncs
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2023-06-15cs
dcterms.modified2023-06-15-16:14:03cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid143556en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 19:46:39en
sync.item.modts2025.01.17 10:24:28en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémůcs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
final-thesis.pdf
Size:
8.35 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Loading...
Thumbnail Image
Name:
review_143556.html
Size:
7.22 KB
Format:
Hypertext Markup Language
Description:
file review_143556.html
Collections