id	author	title	date	pages	extension	mime	words	sentence	flesch	summary	cache	txt
gs-3908	Tsiklauri, Mariam; Tsmindashvili, Tatia; Lazarashvili, Levan	EMOTION RECOGNITION FROM ELECTROENCEPHALOGRAPHIC SIGNALS USING ARTIFICIAL INTELLIGENCE	2025	12	.pdf	application/pdf	2564	68	66	დახმარების სისტემებს, სათამაშო გარემოს, ვირტუალური რეალობის გამოცდილებას და ადაპტირებულ მომხმარებლის ინტერფეისებს. კვლევის მოტივაცია ორი სწრაფად განვითარებადი და გავლენიანი სფეროს ინტეგრაციაა: ხელოვნური ინტელექტი - რომელიც უკვე აჩვენებს ტრანსფორმაციულ ეფექტებს სხვადასხვა ინდუსტრიაში - და ნეირომეცნიერება, რომელიც მზადაა ექსპონენციალური განვითარებისთვის, რადგან ნეიროვიზუალიზაციისა და ტვინის სიგნალის გაზომვის ტექნოლოგიები აგრძელებს გაუმჯობესებას. ამ დისციპლინებს შორის სინერგია გვპირდება როგორც ტექნოლოგიური შესაძლებლობების, ასევე მომხმარებლის გამოცდილების გაუმჯობესებას იმ სისტემების საშუალებით, რომლებსაც შეუძლიათ ადაპტირება და ადამიანის ემოციურ მდგომარეობებთან ინტერპრეტაცია მზარდი სიზუსტით. ნაშრომის მთავარი მიზანია ხელოვნური ინტელექტისა და ნეირომეცნიერების დაკავშირება ემოციური ამოცნობის უფრო ზუსტი, საიმედო და პროგნოზირებადი მოდელების შესაქმნელად. ასეთი ინტეგრაცია არა მხოლოდ ინოვაციური ტექნოლოგიების განვითარებას უწყობს ხელს, არამედ ხელს უწყობს ადამიანის ტვინისა და მისი ფუნქციების უფრო ღრმა გაგებას. ეს, თავის მხრივ, ფართო გავლენას ახდენს სხვადასხვა სფეროზე, მათ შორის მედიცინაზე, განათლებაზე, ფსიქიკურ ჯანმრთელობაზე და სხვა სფეროებზე. მიზანი კვლევის მთავარი მიზანია ელექტროენცეფალოგრაფიული (EEG) სიგნალების გამოყენებით ემოციების ამოცნობის მეთოდოლოგიის შემუშავება და ოპტიმიზაცია Georgian Scientists/ქართველი მეცნიერები ტ. 7 N 3, 2025 122 ხელოვნური ინტელექტის (AI) ტექნიკის გამოყენებით. კვლევის მიზანია ემოციური მდგომარეობების კლასიფიკაციაში სხვადასხვა მანქანური სწავლებისა და ღრმა სწავლების ალგორითმების მუშაობისა და სიზუსტის ანალიზი და შეფასება - რაც არსებითი ნაბიჯია ადამიან-კომპიუტერის ურთიერთქმედების (HCI) სისტემების ეფექტურობის გაუმჯობესებისკენ. ამ მიზნის მისაღწევად, კვლევა რამდენიმე ძირითად სფეროს მოიცავს: რეაქციების გამოსაწვევად. შეგროვებული EEG მონაცემები შემდეგ წინასწარ მუშავდება ხმაურის და არტეფაქტების მოსაშორებლად, რაც უზრუნველყოფს სიგნალების ხარისხსა და საიმედოობას. მანქანური სწავლებისა და ღრმა დასწავლის ალგორითმები გამოიყენება EEG მონაცემებში წარმოდგენილი ემოციური მდგომარეობის კლასიფიკაციისთვის. რომ შევაჯამოთ, კვლევა წარმოადგენს ემოციების ამოცნობის ახალ მიდგომას, EEG სიგნალებისა და ხელოვნური ინტელექტის გამოყენებით. აჩვენებს ზუსტი, საიმედო და პერსონალიზებული ემოციების ამოცნობის სისტემების შემუშავების პოტენციალს. ერთ სუბიექტზე დახვეწილი კვლევა კარგი საწყისია მომავალში ბევრ ადამიანზე განზოგადებისთვის და	cache/gs-3908.pdf	txt/gs-3908.txt