Emotion recognition using wireless signals

Duygu tanıma, insan-bilgisayar etkileşimi ve duygusal bilişimde kritik bir öneme sahiptir. Uygulama alanları arasında kişiselleştirilmiş kullanıcı arayüzlerinden mental sağlık izlemeye kadar geniş bir yelpaze bulunmaktadır. Bu çalışma, çeşitli deneysel koşullar altında elde edilen fizyolojik sinyalleri kullanarak duygu tanıma için farklı makine öğrenimi algoritmalarının performansını incelemektedir. Metodoloji, katılımcılardan fizyolojik veri toplamak için dikkatle tasarlanmış bir dizi deneyin gerçekleştirilmesini içerir. Bu deneyler, verici ve alıcı arasındaki mesafe, kalp atış hızı değişkenliği ve deneklerin duruşu gibi çevresel koşullarda çeşitlilik gösterir. Çalışmada, çeşitli makine öğrenimi algoritmaları değerlendirilmiş ve bu algoritmaların performansı çeşitli metrikler kullanılarak ölçülmüştür. Deneylerin sonuçları, farklı deneysel koşullar altında algoritmaların performansında önemli farklılıklar olduğunu göstermektedir. Karşılaştırmalı analizler sonucunda, Random Forest, deneyler boyunca en düşük MAE değerlerini sürekli olarak elde ederek en iyi performans gösteren algoritma olarak öne çıkmaktadır. Bununla birlikte, SVM de özellikle yüksek kalp atış hızlarının söz konusu olduğu senaryolarda rekabetçi bir performans sergilemektedir. Bu bulgular, gerçek dünya uygulamalarında doğru duygu tanıma sağlamak için algoritma seçiminin ve optimizasyonunun önemini vurgulamaktadır. Sonuç olarak, bu çalışma, fizyolojik sinyalleri kullanarak duygu tanıma için makine öğrenimi algoritmalarının performansı hakkında değerli bilgiler sunmaktadır. Farklı faktörlerin algoritma performansını nasıl etkilediğini anlayarak, araştırmacılar ve uygulayıcılar sağlık hizmetleri, insan-bilgisayar etkileşimi ve duygusal bilişim gibi çeşitli alanlar için daha etkili duygu tanıma sistemleri geliştirebilirler.applications.