Aprendizado Incremental Online para Classificação Fuzzy de Emoções em Jogos a partir de Fluxos de Dados EEG

Volnei Frigeri Jr.; Pedro Farah; Rodrigo Medeiros; Daniel Leite

doi:10.48011/asba.v2i1.1014

Volnei Frigeri Jr. Universidade Federal de Lavras
Pedro Farah Universidade Federal de Lavras
Rodrigo Medeiros Universidade Federal de Lavras
Daniel Leite Universidade Federal de Lavras

DOI: https://doi.org/10.48011/asba.v2i1.1014

Keywords: Interface cérebro-computador, Sistema fuzzy evolutivo, Aprendizado de máquina online

Abstract

Descrevemos um algoritmo de aprendizado de máquina online para construção de Classificadores Fuzzy Gaussianos (eGFC). Apresentamos um método de extração e seleção de atributos do espectro de Fourier de dados de eletro-encefalograma. Os dados são obtidos de 28 indivíduos expostos aos jogos de computador Train Sim World, Unravel, Slender The Arrival, e Goat Simulator. De acordo com o sistema Arousal-Valence, 4 emoções prevalecem (tédio, calma, horror e diversão). Analisamos eletrodos individuais e o efeito de janelas de tempo e redução de dimensionalidade no desempenho de eGFC. Concluímos que eletrodos em ambos os hemisférios do cérebro auxiliam na classificação, especialmente aqueles dos lobos temporal (T7-T8), occipital (O1-O2) e frontal (Af3-Af4). Observamos que padrões podem surgir em qualquer parte do espectro de frequências, entre 1 e 64 Hz. A abordagem eGFC é efetiva para o problema Big data em tempo real. Ela alcança uma acurácia de 72,2% usando uma estrutura compacta de regras, e velocidade de processamento de 1,8 ms/amostra.