دانلود مقاله ISI انگلیسی شماره 145480
ترجمه فارسی عنوان مقاله

مقاله اصلی فرآیند تنظیم عاطفی شناختی برای بیان های میکرو بر اساس توزیع ابری گاوسی

عنوان انگلیسی
Original articleCognitive-affective regulation process for micro-expressions based on Gaussian cloud distribution
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
145480 2017 7 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : CAAI Transactions on Intelligence Technology, Volume 2, Issue 1, March 2017, Pages 56-61

ترجمه کلمات کلیدی
بیان میکرو، مقررات شناختی-عاطفی، توزیع ابر گاوسی، انتقال احتمال، شدت احساسی،
کلمات کلیدی انگلیسی
Micro-expression; Cognitive-affective regulation; Gaussian cloud distribution; Transferring probability; Emotional intensity;
ترجمه چکیده
در این مقاله، ما روند روند انتقال عاطفی را بررسی می کنیم. و این روند تحت تأثیر حالت عاطفی اشیاء تعامل است. اول از همه، فرایند استدلال شناختی و شناخت میکرو عبارات، اساس فرایند تعدیل محاسبات عاطفی است. دوم، عملکرد تابع آستانه و تضعیف، برای اندازه گیری تغییرات احساسی پیشنهاد می شود. در محیط واقعی، وضعیت عاطفی ربات و محرک های خارجی نیز به عنوان احتمال انتقال قابل اندازه گیری است. در نهایت، توزیع ابرهای گاوسی به مدل غریبی برای محاسبه احتمال انتقال عاطفی معرفی می شود. نتایج تجربی نشان می دهد که مدل در تعامل کامپیوتر کامپیوتر انسان چگونه می تواند حالت های احساسی را به طور موثری تنظیم کند و بتواند توانایی انسان ها و هوشمند ربات را به طور قابل توجهی بهبود بخشد. این مدل با اهمیت تجربی و شبیه سازی روانشناسی سازگار است و اجازه می دهد تا روبات از فرایند انتقال عاطفی مکانیکی خلاص شود.
پیش نمایش مقاله
پیش نمایش مقاله  مقاله اصلی فرآیند تنظیم عاطفی شناختی برای بیان های میکرو بر اساس توزیع ابری گاوسی

چکیده انگلیسی

In this paper, we explore the process of emotional state transition. And the process is impacted by emotional state of interaction objects. First of all, the cognitive reasoning process and the micro-expressions recognition is the basis of affective computing adjustment process. Secondly, the threshold function and attenuation function are proposed to quantify the emotional changes. In the actual environment, the emotional state of the robot and external stimulus are also quantified as the transferring probability. Finally, the Gaussian cloud distribution is introduced to the Gross model to calculate the emotional transitional probabilities. The experimental results show that the model in human–computer interaction can effectively regulate the emotional states, and can significantly improve the humanoid and intelligent ability of the robot. This model is consistent with experimental and emulational significance of the psychology, and allows the robot to get rid of the mechanical emotional transfer process.