检索结果-维普期刊中文期刊服务平台

中文版Bell-Lysaker情绪识别任务在重性抑郁障碍患者中的信效度被引量：1: 1; 作者李大志贾晓菊 +4 位作者王文辰楚利君张健孙霞张勇《中国神经精神疾病杂志》 CAS CSCD 北大核心 2020年第8期466-470,共5页; 目的评估中文版Bell-Lysaker情绪识别任务(Bell-Lysaker emotion recognition task,BLERT)在中国成年重性抑郁障碍(major depressive disorder,MDD)患者中的信度和效度。方法招募MDD患者125例,稳定期双相障碍(bipolar disorder,BD)患者6... 展开更多; 关键词重性抑郁障碍 bell-lysaker情绪识别任务信度效度; 在线阅读下载PDF 职称材料

基于AU的多任务学生情绪识别方法研究被引量：1: 2; 作者张笑云赵晖《计算机科学》 CSCD 北大核心 2024年第10期105-111,共7页; 智能教育快速发展,运用人工智能提升教育质量和效率已成为趋势。学生作为教育的核心,其情绪状态对教育成效具有至关重要的影响。为了深入研究学生情绪,收集了课堂场景中的学生学习视频,包括听课和小组讨论两种情境,并据此建立了一个多... 展开更多; 关键词学生情绪识别多任务学习 C3D SE 面部单元; 在线阅读下载PDF 职称材料

采用多任务特征融合的脑电情绪识别方法: 3; 作者刘柯黄玉柱 +1 位作者邓欣于洪《智能系统学报》 CSCD 北大核心 2024年第3期610-618,共9页; 特征选择与融合是提升脑电信号情绪解码精度的重要手段之一。然而,当前脑电情绪解码中的特征选择方法常忽略了脑电信号内在数据结构的隐含信息。该文提出一种基于近邻传播聚类的多任务特征融合方法,通过L_(2,1)范数约束实现稀疏特征选择... 展开更多; 关键词情感脑机接口脑电情绪识别脑网络微分熵近邻传播聚类图拉普拉斯正则多任务特征融合稀疏特征选择; 在线阅读下载PDF 职称材料

基于多任务学习的多模态情绪识别方法被引量：5: 4; 作者吴良庆张栋 +1 位作者李寿山陈瑛《计算机科学》 CSCD 北大核心 2019年第11期284-290,共7页; 情绪分析是自然语言处理的一项基本任务,目前在单模态信息(文本)上的研究已经相当成熟。但是对于包含文本、图像和语音3种模态信息的多模态内容(如视频)来说,额外增加的模态信息让情绪分析变得更具挑战性。为了提升多模态情绪识别任务... 展开更多; 关键词多模态情绪识别多任务学习自然语言处理; 在线阅读下载PDF 职称材料

短暂呈现的背景情绪词对面部表情识别的影响被引量：2: 5; 作者申寻兵吴奇傅小兰《心理学探新》 CSSCI 北大核心 2015年第4期330-336,共7页; 语言常常伴随表情出现,情绪知觉一定程度上是通过语言建构的,语言对情绪表情的识别具有重要作用。但情绪词对短暂呈现的面部表情(即人工微表情)的识别是否也有影响并不清楚。采用短暂呈现的情绪词和面部表情,使用类Stroop干扰任务与情... 展开更多; 关键词情绪词面部表情识别短暂呈现类Stroop任务情感启动; 在线阅读下载PDF 职称材料

心理理论的测试任务“眼中读心”:读了什么? 被引量：1: 6; 作者苏彦捷高世欢《西北师大学报（社会科学版）》 CSSCI 北大核心 2023年第5期86-96,共11页; “眼中读心”任务最初是用于评估孤独症谱系个体的心理理论能力。然而,随着“眼中读心”任务在非临床群体中的广泛使用,研究者对该任务测量的社会认知能力的具体方面出现了越来越多的争议。明确“眼中读心”任务测量的具体能力,将有助... 展开更多; 关键词 “眼中读心”任务心理理论共情情绪识别; 在线阅读下载PDF 职称材料

愉快面孔识别优势及其认知神经机制被引量：4: 7; 作者于明阳李富洪曹碧华《心理科学进展》 CSSCI CSCD 北大核心 2018年第2期254-261,共8页; 愉快面孔识别优势表现为被试对高兴面孔比对其他情绪面孔的识别正确率更高、反应时更短。大量研究以简笔画和面孔图片为材料,在情绪分类任务和视觉搜索任务中均发现这一优势。该优势存在诊断性价值假说、情绪独特性假说和出现频率假说... 展开更多; 关键词愉快面孔识别优势情绪分类任务视觉搜索任务神经机制; 在线阅读下载PDF 职称材料

题名中文版Bell-Lysaker情绪识别任务在重性抑郁障碍患者中的信效度被引量：1: 1; 作者李大志贾晓菊王文辰楚利君张健孙霞张勇; 机构天津市安定医院心境障碍科; 出处《中国神经精神疾病杂志》 CAS CSCD 北大核心 2020年第8期466-470,共5页; 基金天津市临床重点学科(专科)建设项目:精神病学(编号:ADYKHT2020004)。; 文摘目的评估中文版Bell-Lysaker情绪识别任务(Bell-Lysaker emotion recognition task,BLERT)在中国成年重性抑郁障碍(major depressive disorder,MDD)患者中的信度和效度。方法招募MDD患者125例,稳定期双相障碍(bipolar disorder,BD)患者69例,健康对照(healthy controls, HC)66名,使用中文版BLERT、中国面部表情图片系统(Chinese affective facial picture system,CAFPS)进行测评,其中83例MDD患者(66.4%)2周后完成重测。结果中文版BLERT的内部一致性信度Cronbach'sα为0.78,重测信度组内相关系数为0.72(P<0.01);关联效度r为0.55(P<0.01),BLERT在MDD组与HC组间区分效度较高,最佳划界分为15分(此时敏感性为0.79,特异性为0.60);验证性因子分析显示7种基本情绪拟合良好(RMSEA=0.03,IFI=0.95,TLI=0.93,CFI=0.94)。结论中文版BLERT在中国成年MDD患者中具有可接受的信度和效度。; 关键词重性抑郁障碍 bell-lysaker情绪识别任务信度效度; Keywords Major depressive disorder bell-lysaker emotion recognition task Reliability Validity; 分类号 R749.4 [医药卫生—神经病学与精神病学]; 在线阅读下载PDF 职称材料

题名基于AU的多任务学生情绪识别方法研究被引量：1: 2; 作者张笑云赵晖; 机构新疆大学软件学院新疆大学信息科学与工程学院; 出处《计算机科学》 CSCD 北大核心 2024年第10期105-111,共7页; 基金国家自然科学基金(62166041)。; 文摘智能教育快速发展,运用人工智能提升教育质量和效率已成为趋势。学生作为教育的核心,其情绪状态对教育成效具有至关重要的影响。为了深入研究学生情绪,收集了课堂场景中的学生学习视频,包括听课和小组讨论两种情境,并据此建立了一个多任务学生情绪数据库。面部作为内在情绪状态的直接外在体现,显示出AU与情绪之间的紧密关联。在此基础上,提出了一个基于多任务学习的学生情绪识别模型Multi-SER。该模型通过结合AU识别和学生情绪识别两项任务,挖掘各个AU与学生情绪之间的关联关系,进而提升模型在学生情绪识别方面的性能。在多任务实验中,Multi-SER模型的情绪识别准确率达到了80.87%,相比单情绪识别任务模型SE-C3DNet+,效果提升了3.11%。实验结果表明,通过多任务学习挖掘AU和情绪之间的关联关系,模型在分类各种情绪方面的性能得到了提升。; 关键词学生情绪识别多任务学习 C3D SE 面部单元; Keywords Student emotion recognition Multi-task learning C3D SE Facial action units; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名采用多任务特征融合的脑电情绪识别方法: 3; 作者刘柯黄玉柱邓欣于洪; 机构重庆邮电大学计算机科学与技术学院; 出处《智能系统学报》 CSCD 北大核心 2024年第3期610-618,共9页; 基金国家自然科学基金项目(62136002,61703065).; 文摘特征选择与融合是提升脑电信号情绪解码精度的重要手段之一。然而,当前脑电情绪解码中的特征选择方法常忽略了脑电信号内在数据结构的隐含信息。该文提出一种基于近邻传播聚类的多任务特征融合方法,通过L_(2,1)范数约束实现稀疏特征选择,同时利用图拉普拉斯正则化保持不同子类间的潜在关系。该算法在不揭示真实样本标签的情况下,在子任务空间有效融合脑网络空间拓扑结构信息和微分熵信息,为高精度脑电信号情绪解码提供具有更高情绪表征能力的特征。DEAP和SEED数据集以及本实验室数据集的分析结果表明,该文提出的方法能显著提高脑电情绪解码的精度。; 关键词情感脑机接口脑电情绪识别脑网络微分熵近邻传播聚类图拉普拉斯正则多任务特征融合稀疏特征选择; Keywords emotional brain-computer interface EEG emotion recognition brain networks differential entropy affinity propagation clustering graph Laplacian regularization multitask feature fusion sparse feature selection; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多任务学习的多模态情绪识别方法被引量：5: 4; 作者吴良庆张栋李寿山陈瑛; 机构苏州大学计算机科学与技术学院中国农业大学信息与电气工程学院; 出处《计算机科学》 CSCD 北大核心 2019年第11期284-290,共7页; 基金国家自然科学基金(61331011,61375073)资助; 文摘情绪分析是自然语言处理的一项基本任务,目前在单模态信息(文本)上的研究已经相当成熟。但是对于包含文本、图像和语音3种模态信息的多模态内容(如视频)来说,额外增加的模态信息让情绪分析变得更具挑战性。为了提升多模态情绪识别任务的性能,文中提出了一种基于多任务学习的神经网络方法,该方法在考虑模态内部信息的同时,充分结合了3种模态之间的联系。具体而言,首先对3种模态信息进行预处理,得到相应的特征表示;其次,分别为每个模态构建私有的双向LSTM,从而获得单模态的内部信息;分别为两两组合(文本-图像、文本-语音和图像-语音)的双模态信息构建共享的双向LSTM层,以学习双模态之间的动态交互信息;接着,为3种模态组合的信息构建一个共享的双向LSTM,从而捕捉3种模态之间的动态交互信息;最后,把网络层中得到的单模态的内部信息和多模态的动态交互信息进行融合,通过全连接层和Sigmoid层获取最终的情绪识别结果。在单模态实验中,相比于目前的最佳方法,所提方法在文本、图像和语音3个方面对所有情绪识别的效果分别平均提高了6.25%,0.75%和2.38%;在多模态实验中,该方法在情绪识别任务中达到了平均65.67%的准确率,相比其他基准方法有了明显的提升。; 关键词多模态情绪识别多任务学习自然语言处理; Keywords Multi-modal Emotion recognition Multi-task learning Natural language processing; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名短暂呈现的背景情绪词对面部表情识别的影响被引量：2: 5; 作者申寻兵吴奇傅小兰; 机构江西中医药大学人文学院湖南师范大学心理系中国科学院心理研究所脑与认知科学国家重点实验室; 出处《心理学探新》 CSSCI 北大核心 2015年第4期330-336,共7页; 基金国家自然科学基金委面上项目(61375009) 教育部人文社会科学研究青年基金项目(13YJC190018); 文摘语言常常伴随表情出现,情绪知觉一定程度上是通过语言建构的,语言对情绪表情的识别具有重要作用。但情绪词对短暂呈现的面部表情(即人工微表情)的识别是否也有影响并不清楚。采用短暂呈现的情绪词和面部表情,使用类Stroop干扰任务与情感启动任务,考察背景情绪词对面部表情识别的影响。结果发现,情绪词效价与面部表情效价的匹配关系的主效应显著,这表明背景情绪词影响短暂呈现的面部表情的识别。研究结果深化了对微表情识别机制的理解。; 关键词情绪词面部表情识别短暂呈现类Stroop任务情感启动; Keywords emotional words facial expression recognition fleeting presentation Stroop like task affective priming; 分类号 B842.5 [哲学宗教—基础心理学]; 在线阅读下载PDF 职称材料

题名心理理论的测试任务“眼中读心”:读了什么? 被引量：1: 6; 作者苏彦捷高世欢; 机构北京大学心理与认知科学学院/行为与心理健康北京市重点实验室; 出处《西北师大学报（社会科学版）》 CSSCI 北大核心 2023年第5期86-96,共11页; 基金国家自然科学基金项目“自我-他人区分在心理理解中的作用:青少年阶段的发展及其遗传与认知神经基础”(32071075) 国家自然科学基金项目“认知控制在第三方惩罚中的作用:来自多水平测量与发展视角的证据”(31872782)。; 文摘 “眼中读心”任务最初是用于评估孤独症谱系个体的心理理论能力。然而,随着“眼中读心”任务在非临床群体中的广泛使用,研究者对该任务测量的社会认知能力的具体方面出现了越来越多的争议。明确“眼中读心”任务测量的具体能力,将有助于该任务在之后研究中的规范使用。通过回顾采用“眼中读心”任务的研究,从概念、行为和神经基础层面,梳理和分析任务使用中存在的争议,提出“眼中读心”任务测量的是参与心理理论和共情加工过程的一种基本能力,即情绪识别能力。未来的研究可以将“眼中读心”任务作为评估复杂情绪识别能力的工具,重视对不同群体任务表现的解释,力求学术交流中相关心理概念的清晰和准确,以更好地理解个体的心理理解能力。; 关键词 “眼中读心”任务心理理论共情情绪识别; Keywords “Reading the Mind in the Eyes”task theory of mind empathy emotion recognition; 分类号 B843 [哲学宗教—心理学]; 在线阅读下载PDF 职称材料

题名愉快面孔识别优势及其认知神经机制被引量：4: 7; 作者于明阳李富洪曹碧华; 机构辽宁师范大学脑与认知神经科学研究中心江西师范大学心理学院; 出处《心理科学进展》 CSSCI CSCD 北大核心 2018年第2期254-261,共8页; 基金国家自然科学基金项目(31760285); 文摘愉快面孔识别优势表现为被试对高兴面孔比对其他情绪面孔的识别正确率更高、反应时更短。大量研究以简笔画和面孔图片为材料,在情绪分类任务和视觉搜索任务中均发现这一优势。该优势存在诊断性价值假说、情绪独特性假说和出现频率假说三种不同的理论解释。近年来,研究者采用ERP技术发现这一优势形成于反应选择阶段,但其起始阶段尚无一致结论。未来可借助f MRI技术进一步研究其认知神经机制。; 关键词愉快面孔识别优势情绪分类任务视觉搜索任务神经机制; Keywords the advantage in recognition of happy faces expression categorization tasks visual search tasks cognitive neural mechanism; 分类号 B842 [哲学宗教—基础心理学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	中文版Bell-Lysaker情绪识别任务在重性抑郁障碍患者中的信效度	李大志贾晓菊王文辰楚利君张健孙霞张勇	《中国神经精神疾病杂志》 CAS CSCD 北大核心	2020	1	在线阅读下载PDF 职称材料
2	基于AU的多任务学生情绪识别方法研究	张笑云赵晖	《计算机科学》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	采用多任务特征融合的脑电情绪识别方法	刘柯黄玉柱邓欣于洪	《智能系统学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于多任务学习的多模态情绪识别方法	吴良庆张栋李寿山陈瑛	《计算机科学》 CSCD 北大核心	2019	5	在线阅读下载PDF 职称材料
5	短暂呈现的背景情绪词对面部表情识别的影响	申寻兵吴奇傅小兰	《心理学探新》 CSSCI 北大核心	2015	2	在线阅读下载PDF 职称材料
6	心理理论的测试任务“眼中读心”:读了什么?	苏彦捷高世欢	《西北师大学报（社会科学版）》 CSSCI 北大核心	2023	1	在线阅读下载PDF 职称材料
7	愉快面孔识别优势及其认知神经机制	于明阳李富洪曹碧华	《心理科学进展》 CSSCI CSCD 北大核心	2018	4	在线阅读下载PDF 职称材料