Есть несколько файлов с данными электроэнцефалограммы. Каждый файл - запись одного человека (матрица, где столбцы - номера датчиков и столбец с номерами эмоций, а строки - номера замеров). Получается, файл состоит из показаний датчиков электроэнцефалограммы и номера эмоции для каждого замера. В основном эмоция человека на файл одна, но есть файлы, где эмоция меняется (например, с нейтрального или печального состояния в радостное).
Требуется инструмент, который сможет по данным электроэнцефалограммы определять эмоции человека (необязательно нейронные сети).
Нейронные сети - при обучении ищут закономерности. Думаю можно обучить нейронную сеть распознавать эмоции - но выборку надо брать побольше(не по одному человеку). Энцефалограмма - это совокупность активности отделов головного мозга - в принципе типы активности при одинаковых эмоциях должны совпадать у одной народности людей(людей с приблизительно одинаковым жизненным опытом). Но для корректной работы требуется большой объем входящих данных - надо брать хотя бы 10000 человек и запись энцефалограмм за месяц с расшифровкой эмоций по моментам времени.
Вобщем это тема для диссертации, а не для вопроса на тостере.
Скотее всего у вас ничего не получится с вашии данными - так как они с статистической точки зрения абстрактные(их оочень мало).
У нас достаточно данных. Нам интересно, с помощью каких методов мы можем это сделать. Может, стоит обрабатывать данные рекуррентной или сверточной нейронной сетью?
Думаю сверточная сеть более подходит чтобы распознать эмоцию в конкретный момент времени чем рекурентная. Потому что активность областей мозга - это прежде всего образ, меняющийся в каждой единице(коротком отрезке) времени. Рекурентная будет полезна если вы решите читать мысли по ЭЭГ.
Простой
Простой
