​Алгоритм распознавания эмоций на основе ЭЭГ Целью исследования было создание и разработка алгоритма распознавания эмоций на основе данных ЭЭГ. Хотя изучение эмоций является довольно распространенной практикой в ​​нейромаркетинге, большинство существующих моделей сосредотачиваются на отдельных характеристиках эмоционального процесса: в основном на эмоциональной вовлеченности и валентности. Исследование Чтобы определить конкретные модели эмоциональных реакций, нужно сначала определили эмоции, которые, казалось, стоило изучить с точки зрения наших повседневных коммерческих исследований. Ученые предварительно выбрали видеостимулы, вызывающие идентифицированные эмоции. Различный видеоконтент был вручную выбран из разных источников, и было подтверждено соответствие стимулов ожидаемым аффективным реакциям. Во время пилотной сессии ученые попросили участников оценить и описать свое эмоциональное состояние. Затем объединили все видео в восемь категорий в соответствии с собранными ответами: удивление, нежность, радость, смех, скука, гнев, грусть и страх Пилотное исследование подтвердило, что эмоциональные реакции, вызванные предварительно отобранными видео, являются заметными и последовательными (только один вид эмоциональной реакции вызывается одновременно и аналогично описывается большинством участников). Респонденты (250 мужчин и женщин в возрасте от 25 до 55 лет) просмотрели выбранные видеоролики, призванные вызвать эмоциональные реакции, упомянутые выше. Всего было показано 16 видеороликов (по два в каждой категории) длительностью от 10 до 120 секунд. После каждого видео участников просили назвать эмоцию, вызванную видео, и заполнить краткую анкету, описывающую их эмоциональное состояние с точки зрения валентности, вовлеченности и присутствия каждой из изученных эмоциональных реакций с использованием 10-балльной шкалы Лайкерта. Одновременно во время исследования регистрировались данные ЭЭГ. Результаты исследования Результаты показали точность определения целевой эмоции от 56% до 83%. Результаты моделей вместе с собранными данными создают уникальный эмоциональный паттерн, отражающий сложное восприятие стимулов.