Resumen

En este trabajo se implementa una red de memoria profunda a corto plazo (DeepLSTM) para clasificar los rasgos de personalidad utilizando las señales del electroencefalograma (EEG). Para esta investigación, se utiliza el modelo del Indicador de Tipo Myers-Briggs (MBTI) para predecir la personalidad. Hay cuatro grupos en el MBTI, y cada grupo consta de dos rasgos frente a cada uno; es decir, de estos dos rasgos, cada individuo tendrá un rasgo de personalidad en ellos. Hemos recogido datos de EEG utilizando una unidad de electrodos secos NeuroSky MindWave Mobile 2. Para la recogida de datos, se incluyeron 40 videoclips en hindi e inglés en una base de datos estándar. Todos los clips provocan varias emociones, y la recogida de datos se centra en estas emociones, ya que los clips incluyen escenas dirigidas e inductoras de la personalidad. Cincuenta participantes se involucraron en esta investigación y accedieron voluntariamente a proporcionar señales cerebrales. Comparamos el rendimiento de nuestro modelo de aprendizaje profundo DeepLSTM con otros clasificadores de aprendizaje automático basados en el estado del arte, como la red neuronal artificial (ANN), los vecinos más cercanos (KNN), LibSVM y la programación genética híbrida (HGP). El análisis muestra que, para el método de partición de 10 veces, el modelo DeepLSTM supera a los otros modelos del estado del arte y ofrece una precisión de clasificación máxima del 96,94%. El modelo DeepLSTM propuesto también se aplicó al conjunto de datos de EEG ASCERTAIN, disponible públicamente, y mostró una mejora con respecto a los métodos del estado del arte.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:rasgos de personalidad, recopilación de datos, memoria de corto plazo, eeg disponible, clasificador de aprendizaje automático, datos de eeg recopilados, máxima precisión de clasificación, escena de la personalidad, neurosky mindwave mobile, neurosky mindwave único
• Keywords:personality traits, data collection, short terms memory, available ascertain eeg, machine learning classifier, collected eeg data, maximum classification accuracy, scene of personality, neurosky mindwave mobile, single neurosky mindwave