Return to search

Paveikslų įvertinimo prognozavimo tyrimas naudojant Neurosky Mindwave įrenginį / Prediction of subject preferences using Neurosky Mindwave device

Darbo pradžioje apžvelgiamos vartotojo sąsajos, kokios yra ateities perspektyvos smegenų-kompiuterio sąsajoms, kokie tyrimai atliekami šioje srityje. Aprašoma, kas yra elektroencefalografija (EEG), kaip atsiranda elektriniai impulsai smegenyse ir ką nagrinėja neuroestetikos mokslas. Magistrinio darbo tikslas buvo ištirti, kokiu tikslumu galima prognozuoti, ar subjektui patiks paveikslas. Prognozės yra atliekamos iš subjekto EEG signalų, kurie yra gaunami naudojant Neurosky MindWave įrenginį. Duomenų klasifikavimui yra naudojamas vienasluoksnis neuroninis tinklas sukurtas su MATLAB programine įranga. Darbo metu buvo sukurta iPad kompiuteriui skirta programa, kuri vaizduoja stimulus ir įrašinėja EEG duomenis iš Neurosky MindWave įrenginio. Stimulams yra naudojami įvairių laikotarpių, skirtingų autorių tapybos darbai. Tyrimas parodė, kad įmanoma prognozuoti vartotojo pasirikimą tiksliau negu atsitiktinumas. Klasifikatoriaus tikslumas daugiausia duomenų turinčiam subjektui siekia iki 74%. Tuo tarpu apmokant dirbtinį neuroninį tinklą visų subjektų duomenimis, klasifikatoriaus tikslumas yra labai panašus į atsitiktinumą – 55%. / The aim of this thesis is to study the accuracy of prediction of subject’s preferences when observing various paintings. Prediction is caried out using subject’s EEG signals which are produced using Neurosky MindWave device. To clasify data one layer artificial neuron network is used. The network is a MATLAB application. For this study application for iPad is created. This application represents and records EEG data from Neurosky MindWave device. In order to produce stimuli subjects are presented with paintings by various artists from different epoches. The study showed that it is posible to predict the preference with accuracy greater than a mere chance. The classifier’s accuracy for the subject with most data is up to 74% (average 64.58%). For other subjects’ the accuracy of prediction of 58% is reached.

Identiferoai:union.ndltd.org:LABT_ETD/oai:elaba.lt:LT-eLABa-0001:E.02~2012~D_20120620_113900-37800
Date20 June 2012
CreatorsŽiemys, Tadas
ContributorsKazlauskas, Kazys, Vaškevičius, Egidijus, Vitkutė-Adžgauskienė, Daiva, Vytautas Magnus University
PublisherLithuanian Academic Libraries Network (LABT), Vytautas Magnus University
Source SetsLithuanian ETD submission system
LanguageLithuanian
Detected LanguageUnknown
TypeMaster thesis
Formatapplication/pdf
Sourcehttp://vddb.laba.lt/obj/LT-eLABa-0001:E.02~2012~D_20120620_113900-37800
RightsUnrestricted

Page generated in 0.0027 seconds