情緒在人類的決策、交互和認知過程中扮演著十分重要的角色,人們迫切希望通過技術手段來自動的、精準的識別人類的情緒,為人類做決策制定解決方案提供有效的支撐。近年來隨著深度學習算法在圖像、文本、語音等各個領域的成功應用,眾多的科研人員也將這項技術應用到了情緒識別研究中。課堂作為一個重要的應用場景,研究者們也是迫切希望利用課堂場景下的數(shù)據(jù)通過機器來實現(xiàn)對師生情緒的自動識別。以課堂情緒來反映學情,輔助老師實施教學干預,也就是將學生的情緒轉(zhuǎn)化為老師的決策建議,以幫助老師進行精準教學。對于教師而言,這將有助于教師進行課后反思,亦可作為教師教學水平的一項評估依據(jù)。此外,實現(xiàn)對課堂情緒的精準畫像將有效促進對課堂的客觀評價。針對目前的課堂情緒識別研究而言,首先相關研究比較少,部分課堂情緒識別研究是基于視覺或生理信號的,而視覺數(shù)據(jù)和生理信號的采集相對比較困難而且成本高昂;其次識別方法也更多的是基于統(tǒng)計理論的傳統(tǒng)機器學習方法;最后數(shù)據(jù)模態(tài)的利用比較單一,由于情緒的復雜性所以目前使用單一模態(tài)來進行有效的情緒識別仍然是一項艱巨的任務。因為課堂教學過程中師生間的交互主要是話語交流,所以本研究旨在通過利用師生交流過程中...

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【部分圖文】：

圖２．１喚醒度－效價空間模型??

怕、厭惡??Ｉｚａｒｄ?驚訝、喜悅、有趣、輕蔑、生氣、厭惡、困惑、害怕、內(nèi)疚、自責??Ｏａｔｌｅｙ?開心、焦慮、厭惡、生氣、悲傷??Ｅｋｍａｎ?喜悅、驚訝、生氣、傷心、厭惡、害怕??維度空間連續(xù)型情緒描述模型是為了能描述復雜情緒而誕生的一種情緒描述??模型，連續(xù)模型將情緒的狀態(tài)從....

圖２．２包含一個隱藏層的前饋神經(jīng)網(wǎng)絡結構??前饋神經(jīng)網(wǎng)絡在計算層面包括線性變換和非線性激活這兩個部分，它的計算本??

ａｔｔ?提出??的單層感知機，２０世紀８０年代一些研宄者在單層感知機的基礎上提出了多層感知??機并逐漸在語音識別、圖像識別、機器翻譯等各種領域得到了廣泛的應用［４９，力。９０??年代多層感知機前饋網(wǎng)絡受到了來自支持向量機技術的沖擊，原因是支持向量機具??有更少的參數(shù)，更高的效率和....

圖２．３?ＬｅＮｅｔ－５卷積神經(jīng)網(wǎng)絡結構??如圖２．３展示的是由Ｌｅｃｉｍ等人提出的用于識別文字的卷積神經(jīng)網(wǎng)絡

一個特征圖的生成??它只依賴于一種特征過濾器，這在一定程度上能減少參數(shù)量，提升運算的效率。??Ｃ３：?ｆ．?ｍａｐｓ?１６＠１０ｘ１０??ＩＮＰＵＴ?Ｃｒｅａｔｕｒｅ?ｍａｐｓ?Ｓ４：?ｆ?ｍａｐｓ１６＠５ｘ５??３２Ｘ３２?ＨＬ．?ＯＵＴＰＵＴ??ａ?Ｉ?ｐａｎｅ?ｉＬ，?＾ｍ....

圖２．４卷積運算示意圖??（２）池化層??

碩士學位論文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??（１）卷積層??卷積層是卷積神經(jīng)網(wǎng)絡的核心，它主要負責提取輸入對象的局部空間特征。一??般情況下，為了能提取到多種不同的特征模式，一般會事先預設多個可以學習的卷??積核（也稱特征過濾器）來對輸入執(zhí)行卷積操作，包括卷積運算和整流激活....

本文編號：4055246