• 대한건축학회논문집:계획계
• /
• 제36권4호
• /
• pp.41-49
• /
• 2020

The purpose of this study was to investigate the use of the Deep Neural Networks(DNN) model to classify user's emotions, in particular Electroencephalography(EEG) toward Virtual-Reality(VR) based 3D design alternatives. Four different types of VR Space were constructed to measure a user's emotion and EEG was measured for each stimulus. In addition to the quantitative evaluation based on EEG data, a questionnaire was conducted to qualitatively check whether there is a difference between VR stimuli. As a result, there is a significant difference between plan types according to the normalized ranking method. Therefore, the value of the subjective questionnaire was used as labeling data and collected EEG data was used for a feature value in the DNN model. Google TensorFlow was used to build and train the model. The accuracy of the developed model was 98.9%, which is higher than in previous studies. This indicates that there is a possibility of VR and Fast Fourier Transform(FFT) processing would affect the accuracy of the model, which means that it is possible to classify a user's emotions toward VR based 3D design alternatives by measuring the EEG with this model.

• 감성과학
• /
• 제25권4호
• /
• pp.63-76
• /
• 2022

Emotional labor, characterized by a dysfunctional type of emotional regulation called surface acting, has detrimental psychological consequences on employees, including depression and social anxiety. Because such disorders exhibit psychological characteristics manifested through brain activation, previous studies have succeeded in distinguishing individuals with depression and social anxiety from healthy controls using their functional connectivity characteristics. However, it has not been established whether the functional connectivity characteristics associated with emotional labor are distinguishable. Thus, we obtained resting-state fMRI data from participants in the emotion labor (EL) group and control (CTRL) group, and we subjected their whole-brain functional connectivity matrices to a linear support vector machine classifier. Our analysis revealed that the EL and CTRL groups could be successfully distinguished on the basis of individuals' connectivity patterns, and confidence in the classification was correlated with the scores on the depression and social anxiety scales. These results are expected to provide insight on the neurobiological characteristics of emotional labor and enable the sorting of employees undergoing adverse emotional labor utilizing neurobiological observations.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.617-623
• /
• 2024

언어와 감정 사이의 복잡한 관계의 특징을 보이며, 우리의 말을 통해 감정을 식별하는 것은 중요한 과제로 인식된다. 이 연구는 음성 및 텍스트 데이터를 모두 포함하는 다중 모드 분류 작업을 통해 음성 언어의 감정을 식별하기 위해 속성 엔지니어링을 사용하여 이러한 과제를 해결하는 것을 목표로 한다. CNN(Convolutional Neural Networks)과 LSTM(Long Short-Term Memory)이라는 두 가지 분류기를 BERT 기반 사전 훈련된 모델과 통합하여 평가하였다. 논문에서 평가는 다양한 실험 설정 전반에 걸쳐 다양한 성능 지표(정확도, F-점수, 정밀도 및 재현율)를 다룬다. 이번 연구 결과는 텍스트와 음성 데이터 모두에서 감정을 정확하게 식별하는 두 모델의 뛰어난 능력을 보인다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.139-156
• /
• 2021

이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.

• 감성과학
• /
• 제21권1호
• /
• pp.155-164
• /
• 2018

온도감은 촉각과 시각에 의해서 느낄 수 있는 감각이다. 하지만 온도감에 대한 개념을 시각적 온도감과 촉각적 온도감의 개념을 함께 활용되는 경우는 드물다. 이 연구에서는 촉각을 통해 느끼는 온도감과 시각을 통해 느끼는 온도감에 대해 색채와 재질 특성에 따른 시각적 온도감의 관계를 알아보았다. 색채와 재질의 특성을 포함할 수 있는 샘플로 원단을 선택하였다. 15-16가지 종류로 Y계열, R계열, B계열, G계열 총 61개의 샘플로 실험을 진행하였다. 분석 방법은 Yellow, Red, Blue, Green의 색을 떠올렸을 때 느끼는 색에 대한 온도감을 분석한 뒤 각 색상별로 원단의 촉각적 분류 및 시각적 분류에 따른 시각적 온도감에 대해 알아보았다. 그리고 무게, 두께, 요철에 따른 시각적 온도감의 상관관계를 알아보았다. 그 결과 동일한 원단에서는 색 온도감에 따라 Cool과 Warm으로 느끼는 원단의 수가 차이가 났다. 그렇지만 원단의 분류마다 시각적 온도감은 다르게 나타났다. 특히, 얇은, 비치는 원단과 무광택 원단에서 두드러지게 나타났다. 무게, 두께, 요철과 온도감의 관계에서는 무게와 관련을 보인 원단 분류는 딱딱한, 무광택 원단의 분류이며, 두께와 관련을 보인 원단 분류는 얇은, 비치는 원단이다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2003년도 춘계학술대회 논문집
• /
• pp.148-153
• /
• 2003

본 논문에서는 심근허혈 질환을 효율적으로 분류하기 위한 신경망을 설계하였다. European ST-T DB의 심전도로부터 ST 분절의 특징을 추출하여 입력노드를 결정하고 10개의 학습률과 학습 횟수에 따른 신경망의 MES를 계산하였다. 실험 결과 특징 파라미터의 조합을 ST0, ST80, Slope, Area로 하였을 때 MSE를 가장 작았다. 이러한 특징 파라미터를 이용하여 신경망의 입력으로 학습시킨 경우 학습 횟수의 증가에 따라 MSE가 지수합수적으로 감소하였으며 1,000회 이상에서는 둔하게 감소하였다. 또한 학습 횟수가 5,000회, 10,000회, 15,000회 각각의 경우에 대하여 학습률을 0.01부터 0.7까지 증가시키면서 MSE를 계산한 결과 학습 횟수가 증가할수록 MSE를 최소로 하는 최적학습률이 0.1부터 0.04까지 감소하였다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2003년도 추계학술대회 논문집
• /
• pp.1381-1385
• /
• 2003

본 연구에서는 이미지 분석기법으로부터 측정된 표면섬유과 가와바타 측정법에 의해 측정된 직물의 표면특성과 주관적 거칠기, 따뜻함간의 관계를 고찰하였다. 시료로는 춘추용 수트직물로 사용되는 평직과 능직의 소모직물 32종을 사용하였다. 표면섬유의 분석을 위해서 이미지 분석장치로부터 촬영된 직물 표면 이미지로부터 단위길이의 직물안에 들어가는 표면섬유의 총길이(Fiber Aggregate Length)가 측정되었다. 직물의 주관적 평가를 위해 일관성 테스트와 평가능력 향상 훈련을 마친 20명 패널을 대상으로 기준직물을 제시한 9 의미미분척도를 사용하여 직물의 거칠기와 따뜻함에 대해 평가하였다. 직물의 표면섬유와 주관적인 거칠기, 따뜻함간의 상관성이 분석되었고, 직물의 표면 특성, 표면섬유로부터 직물의 감각을 판별하는 판별식을 도출하였다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2002년도 춘계학술대회 논문집
• /
• pp.215-220
• /
• 2002

본 연구에서는 다중채널 뇌파에서 특징 파라미터로 선형 예측기 계수(Linear predictor coefficients)를 추출하고, 패턴인식기로는 신경회로망을 이용한 쾌적성 분류 알고리즘을 개발하여 다중 템플릿 방법으로 쾌적성 분류 실험을 하고자 하였다. 뇌파 데이터는 대학생 10명으로부터 쾌적한 환경과 불쾌적한 환경에서의 데이터를 수집하였으며, 전극 위치는 Fpl, Fp2, F3, F4, T3, T4, P3, P4, O1, O2를 사용하였다. 수집된 뇌파는 전처리를 거친 후 특징 파라미터를 추출하고 패턴 분류기로 사용된 신경회로망의 입력으로 사용하였다. 쾌적성 분류 방법은 다중템플릿 방법으로 여러 명의 피검자를 각각 학습시켜 이로부터 생성되는 신경회로망의 가중치들을 템플릿에 저장한다. 그리고 테스트를 할 때에는 먼저 처음의 안정 상태의 뇌파를 이용하여 템플릿 검색을 하고 가장 가까운 템플릿을 선택한다. 그리고 선택된 템플릿을 이용하여 다른 감정에 대한 쾌적성 분류 실험을 하게 된다. 쾌적성 분류 실험 결과 평균 인식률이 약 75%의 성능을 나타내었다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2002년도 춘계학술대회 논문집
• /
• pp.333-337
• /
• 2002

본 연구에서는 구조설계에 관한 관점에서 사무용 의자에 기능을 부여할 수 있는 메커니즘에 대한 분류 및 특성분석에 대해 기술하였으며 분류된 메커니즘 유형의 구성요소에 대해 분석하였다. 분류 기준으로는 메커니즘의 소재, 형태, 기능 등으로 분류하였고 이에 따른 사용자와의 interface측면에서 메커니즘과 직접적인 상관관계가 깊은 레버 및 손잡이의 위치 등에 대한 적합성을 검토하였다. 본 연구를 통하여 사무용 의자 설계 시 물리적인 적합도를 높일 수 있는 요소를 고려하는데 활용될 수 있기를 기대하며 메커니즘의 적용성과 기능의 적합성을 확보할 수 있는 정보로서 활용되기를 기대한다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2009년도 춘계학술대회
• /
• pp.195-198
• /
• 2009

본 연구는 사용자가 경험하는 감성 이미지를 추출하여 생리신호를 통해 자동으로 분류하는 시스템을 구현하고자 한다. 본 연구에서 개발한 시스템은 이미지의 감성평가를 위하여 착용과 휴대가 간편한 PPG생체신호를 활용하였고, 생활 속의 장면들에서 감성 별 이미지를 무선으로 PC에 저장 및 분류하는 시스템을 개발하였다. 또한 이미지의 라이프 로그 정보를 제공하는 기술을 개발하였다. 본 시스템은 사용자의 경험과 이미지를 연관시켜 생활 속 정보의 경험 피드백을 하는 데에 의의가 있다.