Дослідження моделювання ідентифікатора емоцій людини за допомогою згорткової нейронної мережі з використанням KERAS
Анотація
В даній статті наведено результати досліджень визначення емоцій людини за допомогою нейронних мереж. Розробка моделі для аналізу зображень проводилась за допомогою TensorFlow, а тренування реалізовувалось з використанням Keras. Вхідні дані використано з архіву kaggle.com - FER2013. Для аналізу зображеннь використано бібліотеку OpenCV. Мова програмування – Python 3. Даний набір інструментів вважається найпопулярнішим і найзручнішим для побудови нейронних мереж, а також систем глибинного навчання. Нейронні мережі і машинне навчання - найпопулярніші технології на даний момент. Особливо великих результатів можна досягнути поєднуючи цю технологію з іншими відомими – наприклад, з технологією об’єктно-орієнтованого програмування. Це поєднання технологій має широкий спектр застосування в різних областях, починаючи від звичайних фотосвітлин викладених в соціальних мережах, і закінчуючи контролем поведінки громадян держави або навіть планети. Аналіз емоцій дає можливість продуктовим і рекламним компаніям значно збільшити об’єм продаж, що в свою чергу збільшить прибутки [12]. Бути геніальним співбесідником, маючи можливість маніпулювати людьми знаючи що вони думають, проводити стрес-тести співробітників та оцінювати їхню реакцію, визначати реакцію людини на рекламу, оголошення, промову збирати обробляти і робити висновки. Список сфер використання обмежений лише фантазією і очікуємим результатом, тому тема цієї наукової роботи є актуальною.
Посилання
Neural Networks and Genetic Algorithms - K .: Korniychuk,. 2008. - 446 p.
Deep learning in Python - JV: Peter,. 2018 - 400 p.
Neural Networks: Full Course - M: Dialectics-Williams,. 2017 - 1104 p.
TensorFlow Official Documentation. URL: https://www.tensorflow.org/ (accessed: 03/18/2018)
Keras Official Documentation. URL: https://keras.io/ (Accessed: 03/18/2018)
Platform for machine learning and predictive modeling competitions. URL: https://www.kaggle.com/ (accessed: 03/18/2018)
OpenCV Official Documentation. URL: https://opencv.org/ (Accessed: 03/18/2018)
Artificial Intelligence Programming in Applications - DMK Press, M .: Tim Jones,. 2006. - 312 c.
Neural Networks: Recognition, Management, Decision Making - M: Finance and Statistics,. 2004. - 176 p.
Basic concepts of neural networks - M.: Williams,. 2003. - 288 p.
Fundamentals of Data Science and Big Data. Python and data science - JV: Peter, 2016. - 336 p.
Python for complex tasks: data science and machine learning - JV. : "Peter",. 2016 - 576 p.
Wiener N. Cybernetics, or Control and Communication in Animal and Machine. / Trans. with English. IV Solovyov and G.N. Povarova; Ed. GN The cook. - 2nd edition. - M .: Science; Main edition of publications for foreign countries, 1983. - 344 p.
Galeshchuk S. Artificial neural networks in forex market forecasting.
Sedai AV Use of neural networks for modeling and forecasting of financial activity of transport enterprise.
Traffic from January 2014 to September 2017, by month [Electronic resource]
Vikas P. Deshpand. An Evaluation of Naive Bayesian Anti-Spam Filtering Techniques / Vikas P. Deshpande, Robert F. Erbacher, Chris Harris // Proceedings of the 2007 IEEE Workshop on Information Assurance United States Military Academy, West Point, 2007 - NY June 20-22 .
Graham P. A Plan for Spam / P. Graham, 2002. [Electronic resource] - Access mode: http://www.paulgraham.com/spam.html. (accessed 10/06/2019).
Melnyk KV, Melnyk VM, Koptyuk Yu.Yu. Investigation of neural network image recognition methods. Computer-Integrated Technology Science: Education, Science, Production, Lutsk, 2019. № 35. - p. 161-165.
Goncharov DA Acoustic Information Recognition Software in Sensor Networks / Master's Thesis for Master's Degree in Specialty 123 "Computer Engineering" in Specialized Computer Systems. Kiev, KPI. 2018 - 122 p. URL: http://ela.kpi.ua/ bitstream / 123456789/25805/1 / Matviiv_magistr.pdf.
Sagan V.Yu. Biomedical signal analysis system for driver status monitoring. / Master's Thesis for Master's Degree in Specialty 122 Computer Science and Information Technology. // Kiev, KPI. 2018 - 122 p.
A.A. Yarovyi, SG Kashubin, OO Sandpiper. Recognition of facial expressions of human face. / Technical vision and artificial intelligence systems with image processing and stratification. Vinnitsa. - VNTU, 2015. - p.76-83.
