Данная работа посвящена созданию модели, при помощи которой может осуществляться классификация эмоций для дальнейшего анализа психофункционального состояния человека с использованием машинного обучения. Цель исследования заключалась в разработке системы оценки психофункционального состояния человека на основе биосигнала Eye tracking с помощью моделей машинного обучения. Для достижения поставленной цели предполагается провести анализ современных методов машинного обучения для задачи оценки психофункционального состояния человека, собрать и обработать собственный набор данных, применить алгоритмы и модели машинного обучения к выбранному открытому набору данных и собственному набору данных, получить оценки точности и сравнить полученные результаты. Сформировать выводы. Разработка системы позволит производить оценку психофункционального состояния человека на основе данных Eye tracking, путем определения изменений в образце движения глаз. Помочь в диагностике и мониторинге психических заболеваний, и сократить время проведения и обработки тестов на выявление психических отклонений врачами. / This work is devoted to the creation of a model by which the classification of emotions can be carried out for further analysis of the psychofunctional state of a person using machine learning. The aim of the study was to develop a system for assessing the psycho-functional state of humans based on the Eye tracking biosignature using machine learning models. In order to achieve this goal, it is planned to conduct an analysis of modern methods of machine learning for the purpose of assessing the psychofunctional state of a person, to collect and process its own set of data, Apply algorithms and machine learning models to the selected open data set and its own data set, obtain accuracy estimates and compare the results. Draw conclusions. The development of the system will allow to assess the psycho-functional state of a person based on Eye tracking data, by determining changes in the pattern of eye movement. Assist in the diagnosis and monitoring of mental illness, and reduce the time for conducting and processing of tests for the detection of mental disorders by doctors.
| Identifer | oai:union.ndltd.org:urfu.ru/oai:elar.urfu.ru:10995/140333 |
| Date | January 2024 |
| Creators | Калимуллина, Э. Р., Kalimullina, E. R. |
| Contributors | Борисов, В. И., Borisov, V. I., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления |
| Publisher | б. и. |
| Source Sets | Ural Federal University |
| Language | Russian |
| Detected Language | Russian |
| Type | Master's thesis, info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Rights | Предоставлено автором на условиях простой неисключительной лицензии, http://elar.urfu.ru/handle/10995/31613 |
Page generated in 0.0019 seconds