سیگنالهای EEG یک منبع مناسب برای تشخیص و طبق هبن دی احساسات افراد محسوب م یشون د. این سیگنالها برخلاف سیگنالهای خارجی مثل صدا یا حالت چهره فرد، قاب لکنترل و پنهان کردن توسط فرد نیستند. این پایاننامه ب همنظور تشخیص و طبق هبن دی احساسات افراد بهو سیله شبکههای عصبی گرف که از آخرین پیشرف تهای حوزه شبک ههای عصبی مصنوعی محسوب م یشون د، انجام یافته است. از مه مترین کاربردهای این پایاننامه م یتوان به تقویت و بهبود رابطه انسان – کامپیوت ر (HCI) ، بررسی محل تشکیل و شیوه اتصالات قسمتهای مرتبط با احساسات داخل مغز برای انجام مطالعات آینده د ر زمین ه بیمار یهای ذهنی و روانی، همچنین شناسایی احساسات در دستگاه های پوشیدنی رابط مغز – کامپیوتر اشاره کرد. دیتابیس استفاده شده در این پایا ننامه، دیتابیس SEED میباشد که در دانشگاه جائو تانگ شانگهای ثبت شده است. شبکه عصبی طراحی شده برای این پایاننامه متشکل از دو بخش م یباشد. در بخش اول این مدل، که وظیفه پردازش بعد فضایی سیگنال EEG را دارد ، از سه نوع لایه SAGEConv و GCN و GAT تشکیل شده است. بخش دوم مدل از لایه Transformer استفاده م یکند. این لایه وظیفه پردازش بعد زمانی سیگنالهای EEG را دارد . به علت طراحی خاص مدل در این پایاننامه، ب ه تعداد بست ههای داده کمتر و در نتیجه مدت زمان کمتری برای آموزش شبکه نیاز است. این پیشرفت در سرعت آموزش شبکه باعث م یشود که مدل قابلیت استفاده در کارکردهای آنلاین و در لحظه را نیز داشته باشد. مدل طراحی شده برای این پایاننامه علاوه بر آموزش سریعتر نسبت به مد لهای قبلی، بار پردازشی کمتری را به سخت افزار وارد م یکند.
