ترجمه فارسی مقاله بهینه‌سازی تشخیص احساسات با داده‌های حسگر پوشیدنی: آشکار کردن الگوها در حرکات بدن و ضربان قلب از طریق تنظیم فراپارامتر جنگل تصادفی

چکیده

This research delves into the utilization of smartwatch sensor data and heart rate monitoring to discern individual emotions based on body movement and heart rate. Emotions play a pivotal role in human life, influencing mental well-being, quality of life, and even physical and physiological responses. The data were sourced from prior research by Juan C. Quiroz, PhD. The study enlisted 50 participants who donned smartwatches and heart rate monitors while completing a 250-meter walk. Emotions were induced through both audio-visual and audio stimuli, with participants’ emotional states evaluated using the PANAS questionnaire. The study scrutinized three scenarios: viewing a movie before walking, listening to music before walking, and listening to music while walking. Personal baselines were established using DummyClassifier with the ‘most_frequent’ strategy from the sklearn library, and various models, including Logistic Regression and Random Forest, were employed to gauge the impacts of these activities. Notably, a novel approach was undertaken by incorporating hyperparameter tuning to the Random Forest model using RandomizedSearchCV. The outcomes showcased substantial enhancements with hyperparameter tuning in the Random Forest model, yielding mean accuracies of 86.63% for happy vs. sad and 76.33% for happy vs. neutral vs. sad.

چکیده به فارسی (ترجمه ماشینی)

این تحقیق به استفاده از داده های سنسور ساعت هوشمند و نظارت بر ضربان قلب برای تشخیص احساسات فردی بر اساس حرکت بدن و ضربان قلب می پردازد.احساسات نقش مهمی در زندگی انسان دارند و بر رفاه روانی ، کیفیت زندگی و حتی پاسخهای جسمی و فیزیولوژیکی تأثیر می گذارند.داده ها از تحقیقات قبلی توسط خوان C. Quiroz ، دکترا تهیه شده است.این مطالعه 50 شرکت کننده را که هنگام تکمیل پیاده روی 250 متری ، ساعت های هوشمند و مانیتور ضربان قلب را اهدا کردند ، ثبت نام کرد.احساسات از طریق محرک های صوتی و تصویری و صوتی ایجاد می شود ، و حالات عاطفی شرکت کنندگان با استفاده از پرسشنامه PANAS ارزیابی می شود.این مطالعه سه سناریو را مورد بررسی قرار داد: دیدن یک فیلم قبل از پیاده روی ، گوش دادن به موسیقی قبل از پیاده روی و گوش دادن به موسیقی هنگام راه رفتن.خط مقدمات شخصی با استفاده از DummyClassifer با استراتژی “most_frequent” از کتابخانه Sklearn ایجاد شد و مدلهای مختلفی از جمله رگرسیون لجستیک و جنگل تصادفی برای سنجش تأثیرات این فعالیت ها به کار گرفته شدند.نکته قابل توجه ، یک رویکرد جدید با ترکیب تنظیمات هایپرپارامتر به مدل جنگل تصادفی با استفاده از تصادفی searchCV انجام شد.نتایج نشان می دهد پیشرفت های قابل توجهی با تنظیم هایپرپارامتر در مدل جنگلی تصادفی ، میانگین دقت 86.63 ٪ برای Happy Vs SAD و 76.33 ٪ برای Happy Vs Neutral Vs SAD است.