• Healthcare Informatics Research
• /
• 제24권4호
• /
• pp.309-316
• /
• 2018

Objectives: Both the valence and arousal components of affect are important considerations when managing mental healthcare because they are associated with affective and physiological responses. Research on arousal and valence analysis, which uses images, texts, and physiological signals that employ deep learning, is actively underway; research investigating how to improve the recognition rate is needed. The goal of this research was to design a deep learning framework and model to classify arousal and valence, indicating positive and negative degrees of emotion as high or low. Methods: The proposed arousal and valence classification model to analyze the affective state was tested using data from 40 channels provided by a dataset for emotion analysis using electrocardiography (EEG), physiological, and video signals (the DEAP dataset). Experiments were based on 10 selected featured central and peripheral nervous system data points, using long short-term memory (LSTM) as a deep learning method. Results: The arousal and valence were classified and visualized on a two-dimensional coordinate plane. Profiles were designed depending on the number of hidden layers, nodes, and hyperparameters according to the error rate. The experimental results show an arousal and valence classification model accuracy of 74.65 and 78%, respectively. The proposed model performed better than previous other models. Conclusions: The proposed model appears to be effective in analyzing arousal and valence; specifically, it is expected that affective analysis using physiological signals based on LSTM will be possible without manual feature extraction. In a future study, the classification model will be adopted in mental healthcare management systems.

• 한국산업정보학회논문지
• /
• 제26권1호
• /
• pp.1-10
• /
• 2021

본 연구에서는 EEG 신호를 기반으로 감정 인식에 유용한 딥러닝 기법을 제안한다. 감정이 시간에 따라 변화하는 특성을 반영하기 위해 Long-Short Term Memory 네트워크를 사용하였다. 또한, 특정 시점의 감정적 상태가 전체 감정 상태에 영향을 미친다는 이론을 기반으로 특정 순간의 감정 상태에 가중치를 주기 위해 어텐션 메커니즘을 적용했다. EEG 신호는 DEAP 데이터베이스를 사용하였으며, 감정은 긍정과 부정의 정도를 나타내는 정서가(Valence)와 감정의 정도를 나타내는 각성(Arousal) 모델을 사용하였다. 실험 결과 정서가(Valence)와 각성(Arousal)을 2단계(낮음, 높음)로 나누었을 때 분석 정확도는 정서가(Valence)의 경우 90.1%, 각성(Arousal)의 경우 88.1%이다. 낮음, 중간, 높음의 3단계로 감정을 구분한 경우 정서가(Valence)는 83.5%, 각성(Arousal)은 82.5%의 정확도를 보였다.

• 감성과학
• /
• 제17권3호
• /
• pp.57-64
• /
• 2014

본 논문에서는 Russell의 감정차원 모델("A Circumplex Model")의 차원 축 중 Arousal 축의 요소(active, inactive)간의 연관성을 파악하여 새로운 감정 표현 방식을 제안한다. Russell의 감정차원 모델은 arousal, valence의 2개의 축 위에 감정을 나타내는 단어(happy, joy, sad, 긴장 등)를 하나의 점으로 표현한다. 이런 Russell 모델은 감성과학, HCI, 심리학 등 여러 분야의 연구에 가장 많이 사용되는 감정 차원이다. 하지만 기존의 연구(복합적 감정, 감정과 감성, arousal 축과 valence 축의 차이점 등)에서는 Russell의 감정차원 모델은 표현방법의 수정이 필요하다고 주장하였다. 따라서 본 논문에서는 2개의 차원 축(arousal, valence) 중 arousal 축의 요소(active, inactive) 간의 연관성을 확인하고 실험을 통하여 사용자들이 본인의 각성(arousal) 정도를 어떠한 방식으로 표현하는지 확인하여 Russell의 감정차원 모델의 새로운 표현 방식을 제안한다. 본 논문에서 제안하는 방식을 이용하여 Russell 모델의 문제점을 보완하였으며, 기존 연구에 대한 근거가 될 수 있었다.

• 한국도서관정보학회지
• /
• 제47권2호
• /
• pp.51-70
• /
• 2016

이 연구의 목적은 한글로 된 주요감정단어들의 리스트를 대상으로 의미적 관계의 네트워크와 극성과 각성의 범주를 분석하는데 있다. 분석결과는 다음과 같다. 첫째, 감정단어 네트워크에서 각 감정단어들은 의미적으로 연결되어 있었다. 이것은 의미적 유사성에 따라 감정단어들의 유형을 구분하는 것을 어렵게 하는 특징이다. 대신에 의미적 관계의 감정단어 네트워크에서 중심적인 역할을 수행하는 감정단어들을 확인할 수 있었다. 둘째, 극성과 각성의 차원을 혼합한 범주에서, 많은 감정단어들은 부정적인 극성과 높은 각성의 단어들 집단과 부정적인 극성과 중간수준 각성의 단어들 집단으로 분류되었다. 이러한 한글감정단어의 특성들은 도서관이나 문헌정보에 나타나는 각종 텍스트 데이터의 감정분석에 유용하게 활용될 것이다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.707-710
• /
• 2009

본 논문에서는 감성 모델을 이용하여 음악을 정렬한 후, 이를 바탕으로 음악을 탐색하는 인터페이스를 제안한다. 먼저 다양한 곡들에 대한 Arousal-Valence 요소를 설문조사 한 후, 곡들의 다양한 audio feature 들과 Arousal-Valence 요소들간의 상관관계를 계산하여, AV모델을 수립한다. 그 후, 다양한 음악들을 수립된 AV모델에 대하여 정렬을 하여 음악을 배치한 후, 이를 마우스를 이용하여 탐색하는 인터페이스를 제공한다. 기존의 관련 인터페이스보다 더욱 직관적으로 원하는 곡을 선택할 수 있게 하기 위해서, 마우스의 위치에 따라서 여러 음악들이 페이드 인/아웃 되게 하였으며, 여러 가지 모드의 인터페이스를 제공하여, 사용자가 가장 편리한 인터페이스를 사용할 수 있게 하였다. 사용자는 본 음악 탐색 인터페이스를 이용하여, 더욱 감정적으로 원하는 음악을 쉽게 찾을 수 있게 된다.

• 산업경영시스템학회지
• /
• 제35권2호
• /
• pp.64-70
• /
• 2012

This paper presents a statistical analysis method for the selection of electroencephalogram (EEG) electrode positions and spectral features to recognize emotion, where emotional valence and arousal are classified into three and two levels, respectively. Ten experiments for a subject were performed under three categorized IAPS (International Affective Picture System) pictures, i.e., high valence and high arousal, medium valence and low arousal, and low valence and high arousal. The electroencephalogram was recorded from 12 sites according to the international 10~20 system referenced to Cz. The statistical analysis approach using ANOVA with Tukey's HSD is employed to identify statistically significant EEG electrode positions and spectral features in the emotion recognition.

• 한국음향학회지
• /
• 제42권1호
• /
• pp.75-82
• /
• 2023

본 연구의 목적은 다른 음역대의 목소리로 노래한 음악(고음역대, 저음역대)과 불려진 음악이 조성적으로 다른 경우(장조/단조) 감상자가 경험하는 정서적 반응에 차이가 있는지를 살펴보았다. 음악은 첫째 옥타브 차이를 두고 높은 음역대와 낮은 음역대의 가창 영역과 둘째, 조성적 변인을 통제하기 위해 장조와 단조를 사용한 총 네 가지 음원을 사용하였다. 총 188명의 여성 대학생들이 온라인 설문으로 참여하였으며 시각아날로그척도(Visual Analogue Scale)을 사용하여 지각한 정서가와 각성 수준을 기록하였다. 수집된 자료는 two-way analysis of variance(ANOVA)를 이용하여 분석하였다. 분석 결과 두 음역대 간의 유의미한 정서 반응 차이를 보여주었으며 정서가(valence)보다는 각성 수준(arousal level)에 더 많은 차이를 보여주었다. 둘째, 조성 또한 정서가와 각성 수준에 영향을 미쳤으나 두 정서 변인 중에서는 정서가에 더욱 큰 차이를 보였다. 또한 교호작용을 분석한 결과 음역대와 조성의 상호작용이 정서가에게는 큰 영향을 미치지만 각성에는 영향을 미치지 않는다는 것을 보여주었다. 더 나아가 감상자들이 단조 음악의 높은 음역대 조건에서 가장 부정적인 정서가를 보여주였고 단조 음악의 낮은 음역대 조건에서는 가장 낮은 각성 반응을 보여주었다. 이러한 결과는 음악 감상시 그 음악의 음역대와 조성을 고려해서 선곡해야 함을 암시한다.

• 인지과학
• /
• 제28권1호
• /
• pp.43-64
• /
• 2017

본 연구의 목적은 과제와 무관련한 정서 자극에 의한 점화가 고차인지과정에 미치는 영향을 알아보는 것이다. 보다 구체적으로 본 연구에서는 과제와 직접적으로 관련이 없는 정서 점화 자극이 삼단논법추론 과제의 수행에 영향을 미치는지를 살펴보았다. 이를 위해 실험 1에서는 점화 자극인 IAPS 사진의 정서차원을 통제하고 각성차원을 조작하였으며 실험 2에서는 IAPS 사진의 각성차원을 통제하고 정서차원을 조작하였다. 두 실험 모두에서 과제와 무관련한 정서 점화 자극이 제시된 뒤에 세 개의 문장으로 이루어진 삼단논법추론 과제가 제시되었으며 참가자들의 추론 정확률이 측정되었다. 점화 자극의 정서차원은 결론 문장의 타당성과 신념에 따른 신념편향(belief-bias)에 영향을 미쳤으나 점화 자극의 각성차원은 추론에 영향을 미치지 않았다. 특히 긍정정서는 신념 편향을 감소시켜 논리적, 분석적 처리를 향상 시켰으나 각성차원은 추론 과제 수행에 영향을 미치지 않았다. 이와 같은 결과는 정서차원과 각성차원이 고차인지능력에 독립적으로 영향을 미친다는 것을 보여준다.

• 인지과학
• /
• 제20권2호
• /
• pp.183-195
• /
• 2009

이 연구의 목적은 IAPS 자극에 대한 한국인의 정서 반응을 측정하여 평가하는데 있다. 특히 Lang 등(2005)이 제작한 956장의 IAPS 그림자극 전체에 대한 반응을 측정하여 IAPS 자극에 대한 한국인 정서 반응의 평가 척도를 작성하였다. 또한 IAPS 자극에 대한 한국인의 평가 결과를 Lang 등(2005)이 제시한 미국인의 평가 결과와 비교함으로써 두 집단 간 차이를 알아보고자 하였다. 연구 결과, IAPS 자극에 대한 각성과 정서가 반응 모두에서 한국인과 미국인은 서로 높은 상관을 보였다. 그러나 세부적인 측면에서 집단 간 차이가 뚜렷하게 드러났는데, 한국인이 미국인에 비해 IAPS 자극에 대해 더 높은 각성 반응과 덜 극단적인 정서반응을 보였다. 또한 성별에 따른 차이를 비교한 결과, 두 나라 모두 여성이 남성에 비해 높은 각성 반응을 보였다는 점은 일치했지만, 정서가 반응에 있어서는 한국 여성은 부정적으로, 미국 여성은 극단적으로 반응했다. 이 연구 결과는 정서 반응에 있어서 문화와 성별에 따른 차이가 존재함을 보여주는 것으로서 IAPS 자극을 활용한 연구에서 이 요인들을 고려해야 함을 시사한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.79-82
• /
• 2020

얼굴 영상으로부터 사람의 감정을 예측하는 연구는 최근 딥러닝의 발전과 함께 주목받고 있다. 본 연구에서 우리는 연속적인 변수를 사용하여 감정을 표현하는 dimensional model에 기반하여 얼굴 영상으로부터 감정 상태를 나타내는 지표인 valance/arousal(V/A)을 예측하는 딥러닝 네트워크를 제안한다. 그러나 V/A 예측 모델의 학습에 사용되는 기존의 데이터셋들은 데이터 불균형(data imbalance) 문제를 가진다. 이를 해소하기 위해, 우리는 오토인코더 구조를 가지는 얼굴 영상 생성 네트워크를 학습하고, 이로부터 얻어지는 균일한 분포의 데이터로부터 V/A 예측 네트워크를 학습한다. 실험을 통해 우리는 제안하는 얼굴 생성 오토인코더가 in-the-wild 환경의 데이터셋으로부터 임의의 valence, arousal에 대응하는 얼굴 영상을 성공적으로 생생함을 보인다. 그리고, 이를 통해 학습된 V/A 예측 네트워크가 기존의 under-sampling, over-sampling 방영들과 비교하여 더 높은 인식 성능을 달성함을 보인다. 마지막으로 기존의 방법들과 제안하는 V/A 예측 네트워크의 성능을 정량적으로 비교한다.