ConvSNN: qənaətcil hibrid konvolusiya-şoka neural şəbəkəsi olan qol saatına taxılan stress və emosiya vəziyyətinin tanınması

Qol əti istifadə olunan cihazlarda davamlı stres monitorinqi real vaxtda təsir kompüterləri, rəqəmsal sağlamlıq və fərdi rifah üçün vacibdir, lakin geyinilə bilən model az sensor, az hesablama və sıx enerji büdcəsi ilə işləməli olduğu üçün çətin qalır. Göğüsdə quraşdırılmış sistemlər ECG, EMG və tənəffüs kimi yüksək signal-dan-gürüş siqnallarına əsaslana bilər, lakin qol qolüstü cihaz yalnız qan həcminin pulsu, elektrodermal aktivliyi, dərinin temperaturu və akselerometriyası tutur, bu da stresin dəqiq və səmərəli tanınmasını çətinləşdirir. Bu tədqiqat ConvSNN-i təqdim edir, bilekdən istifadə olunan fizioloji siqnallardan multimodal affektiv tanınma üçün hibrid konvolysional spiking sinir şəbəkəsi. ConvSNN, təxminləri sabit saxlamaq üçün toplanmış dərəcə kodlaşdırılmış və vaxt kodlaşdırılmış zirv statistikasını oxuyan bir vaxtdan birinci zirvəyə (TTFS) təsnifat başlığı ilə kompakt dörd mərhələli 1D konvolyusiyalı bir sırt çubuğu cütləyir. Həmçinin qeyri-müəyyənlikdən xəbərdar olan pəncərələrin qəbul edilməsi üçün bir etibar qapısı və ehtimal kalibrasiyası üçün bir temperatur ölçeşi addımını əlavə edir. Biz ConvSNN- i WESAD standartına görə yalnız Empatica E4 geyinilmə cihazının altı qol çanalından (qanda puls, elektrodermal aktivlik, dəri temperaturu və üç oxu akselerometri) istifadə edərək qiymətləndiririk. Qeyri-bərabər 85/15 bölünmə qiymətləndirilməsində, beş təsadüfi toxum üzərində 0,977 makro-F1 ilə orta dəqiqliyə 98,07% çatır. Sərt bir subyektdən kənarda (LOSO) keçid təsdiqlənməsi altında ConvSNN beş toxum üzərində 0,932 makro-F1 ilə orta dəqiqliyə 94,0% -ə çatır, bu da güclü subyektdən asılı bir ümumiləşdirmə təsdiqləyir və təsadüfi bölünmə protokolundan 4,1 faizlik bir nöqtə azaldır. Temperatur ölçüsü dəqiqliyində dəyişiklik olmadan 0,149 -dan 0,017 -ə qədər gözlənilirmiş kalibrasiya səhvini azaltır və yüksək etibarlılıq qapısı qəbul edilmiş və rədd edilmiş pəncərələr arasında 5,9 faizlik dəqiqlik boşluğu açır. Bu da aşağı etibarlı girişlərdə prinsipial şəkildə imtina etməyi dəstəkləyir. İşləmə sayı emulyasiyasına əsasən, ConvSNN-in 5,70 ms gecikmədə bir-inferensiya enerjisinin təxminən 48,31 \(\mu\) J olduğunu göstərir. Bu da quraşdırılmış hardverdə təsdiqləndikdən sonra smartwatch sinifindəki cihazlarda aşağı gücdə real vaxtda istifadə edilməsini göstərir. Birlikdə götürülən bu nəticələr göstərir ki, hibrid konvoluciyalı spiking modelləri tanınma performansları, subyektdən asılı olmayan möhkəmlik, kalibrli etibar qiymətləndirməsi və davamlı əynə ilə istifadə edilən əziyyətli monitorinq üçün enerji səmərəli tətbiq arasında effektiv bir tarazlıq əldə edə bilər.

Müəlliflər yalnız əlyazmanın dili və qrammatikasını (ortografiya, ifadə və oxunma qabiliyyəti) təkmilləşdirmək üçün Grammarly və Writefull üçün son versiyaları da daxil olmaqla, süni intellekt əsaslı dil yardımı vasitələrinin istifadəsini etdiyini etiraf edirlər.

Elektrik və Kompüter Mühəndisliyi kafedrası, George Mason Universiteti, Fairfax, 22030, VA, ABŞ

Mühəndislik və İT Kolleci, Dubay Universitetinin, Dubay, BƏƏ

Proqram mühəndisliyi kafedrası, İnformatika fakültəsi, Kaunas Texnologiya Universitetinin, Kaunas, 51423, Litva

Məhəmməd Zahir Səjidlə yazışma.