Huisman, M. (2004) Akoestische Effecten van Emoties in Spraak: De Waarneming van Verbale Agressie. Master's Thesis / Essay, Artificial Intelligence.
|
Text
AI_Ma_2004_MHuisman.CV.pdf - Published Version Download (2MB) | Preview |
Abstract
Uit onderzoeken naar emotieherkenning is gebleken dat mensen ver boven kansniveau in staat zijn om emoties te herkennen in vocale expressies. In dit onderzoek staat de vraag centraal of het mogelijk is om het informatieverwerkingsproces dat mensen hiertoe in staat stelt, te simuleren in een automatische agressiedetector. De Component Process (CP) theorie vormt samen met het Lens model voor menselijke waarneming een theoretische basis voor dit onderzoek. CP beschrijft het proces dat een emotionele toestand tot stand brengt en rechtvaardigt het gebruik van akoestische eigenschappen van emoties als woede en paniek voor de automatische detectie van verbale agressie. Het Lens model levert een functionele beschrijving van menselijke waarneming, waarbij externe akoestische informatie in geluid door bet perifere auditieve systeem wordt getransformeerd in interne informatie voor verdere verwerking in centrale structuren in het brein. Het praktische dccl van het onderzoek is uitgevoerd bij Sound Intelligence (SI), waar wordt gewerkt aan geluidsdetectie met een model van de menselijke cochlea. Met dit model kan de bovengenoemde transformatie van externe cues naar interne cues nauwkeurig worden gesimuleerd. In een eerste experiment wordt de invloed van akoestische cues, afgeleid van de Lombard reflex, op de herkenning van emoties onderzocht. De data voor dit experiment is afkomstig van een wetenschappelijke database met opnames van vocale expressies van veertien verschillende emoties. In een tweede experiment wordt een aantal akoestische cues geimplementeerd in een automatische detector voor verbale agressie in de trein. Het resultaat is een good functionerend model dat de menselijke waarneming van agressie simuleert. In eerste testen lijkt de detector zijn taak good en robuust uit te voeren, maar meer uitgebreide, wetenschappelijke testen zullen uiteindelijk uit moeten wijzen hoe betrouwbaar dcze resultaten werkelijk zijn.
| Item Type: | Thesis (Master's Thesis / Essay) |
|---|---|
| Degree programme: | Artificial Intelligence |
| Thesis type: | Master's Thesis / Essay |
| Language: | Dutch |
| Date Deposited: | 15 Feb 2018 07:30 |
| Last Modified: | 15 Feb 2018 07:30 |
| URI: | https://fse.studenttheses.ub.rug.nl/id/eprint/8997 |
Actions (login required)
 |
View Item |