Метод визначення колективного емоційного стану на основі емоційної мережі та FER-моделі

Автор(и)

DOI:

https://doi.org/10.18372/2073-4751.86.21272

Ключові слова:

інформаційна технологія, Facial Emotion Recognition (FER), емоційна мережа, емоційні кластери, комп’ютерний зір, штучний інтелект, аналіз емоцій, AEP, DGE, соціальні мережі

Анотація

У роботі запропоновано метод визначення емоційного стану групи людей на основі побудови емоційної мережі та динамічно зважених графів. Для оцінювання емоційного стану використано метрики Aggregated Emotional Profile (AEP) та Dominant Group Emotion (DGE), що дозволяють формувати узагальнений емоційний профіль групи. Вузли графа відповідають окремим особам, а ваги ребер відображають ступінь емоційної подібності або взаємного впливу між ними. На основі емоційних векторів формуються позитивні, негативні та нейтральні емоційні кластери. Запропонований підхід дозволяє аналізувати колективну емоційну динаміку, виявляти конфліктні вузли та в подальшому прогнозувати поведінкові сценарії груп людей.

Посилання

Universal Emotions Research 2024-2025. – Tiffany Field. – June 2025. DOI:10.61440/JCPN.2025.v3.48

From Neural Networks to Emotional Networks: A Systematic Review of EEG-Based Emotion Recognition in Cognitive Neuroscience and Real-World Applications Evgenia Gkintoni, Anthimos Aroutzidis, Hera Antonopoulou, Constantinos Halkiopoulos. – 2025 Feb 20;15(3):220. doi: 10.3390/brainsci15030220.

A Comprehensive Review of Multimodal Emotion Recognition: Techniques, Challenges, and Future Directions – Wu Y., Mi Q., Gao T. – Biomimetics 2025, 10(7), 418; https://doi.org/10.3390/biomimetics10070418

Emotion Recognition Using Various Measures and Computational Methods. - Hamrouni A., Bendella F. - Iraqi Journal for Computer Science and Mathematics. – Volume 5, Issue 3 (2024)

Analysis of Event‑Related Potentials for Emotion Recognition. - Andrzej Majkowski, Marcin Kołodziej, Remigiusz Rak. -April 2024. PRZEGLĄD ELEKTROTECHNICZNY 1(5). DOI:10.15199/48.2024.05.56

Dimitrios Kollias. Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units and a Unified Framework // Dimitrios Kollias, Stefanos Zafeiriou / Computer Vision. Рр. 1-20. https://doi.org/10.48550/arXiv.2103.15792

Dimitrios Kollias. Face Behavior a la carte: Expressions, Affect and Action Units in a Single Network // Dimitrios Kollias, Viktoriia Sharmanska, Stefanos Zafeiriou / Computer Science > Computer Vision and Pattern Recognition. – Рр. 1-11. https://doi.org/10.48550/arXiv.1910.11111

Henrique Siqueira. Efficient Facial Feature Learning with Wide Ensemble-based Convolutional Neural Networks // Henrique Siqueira, Sven Magg, Stefan Wermter / Computer Science > Computer Vision and Pattern Recognition. – Рр. 1-10.

https://doi.org/10.48550/arXiv.2001.06338

Arnab Kumar Roy. ResEmoteNet: Bridging Accuracy and Loss Reduction in Facial Emotion Recognition // Arnab Kumar Roy, Hemant Kumar Kathania, Adhitiya Sharma, Abhishek Dey, Md. Sarfaraj Alam Ansari/ Computer Science > Computer Vision and Pattern Recognition. – Рр. 1-5. https://doi.org/10.48550/arXiv.2409.10545

Amjad Rehman. Comprehensive Review and Analysis on Facial Emotion Recognition: Performance Insights into Deep and Traditional Learning with Current Updates and Challenges // Amjad Rehman, Muhammad Mujahid, Alex Elyassih, Bayan AlGhofaily, Saeed Ali Omer Bahaj / Computers, Materials and Continua. – Volume 82, Issue 1, 3 January 2025. – Pр. 41-72. https://doi.org/10.32604/cmc.2024.058036

Harisu Abdullahi Shehu. Emotion categorization from facial expressions: A review of datasets, methods, and research directions // Harisu Abdullahi Shehu, Will N. Browne, Hedwig Eisenbarth / Neurocomputing. – Volume 624, 1 April 2025, 129367 https://doi.org/10.1016/j.neucom.2025.129367

Feiqin Wang. The application of improved AFCNN model for children’s psychological emotion recognition // Feiqin Wang, Jianping Dong / Nature. – Article number: 24138 (2025). – Pp. 1-15. https://doi.org/10.1038/s41598-025-10269-7

Rafael Pereira. Systematic Review of Emotion Detection with Computer Vision and Deep Learning // Rafael Pereira, Carla Mendes, José Ribeiro, Roberto Ribeiro, Rolando Miragaia, Nuno Rodrigues, Nuno Costa, and António Pereira / Sensors. – Volume 24., 2024. – Issue 11. – Рр. 1-29. 10.3390/s24113484

Thomas Kopalidis. Advances in Facial Expression Recognition: A Survey of Methods, Benchmarks, Models, and Datasets // Thomas Kopalidis, Vassilios Solachidis, Nicholas Vretos, and Petros Daras / Information, 2024, 15(3), 135; https://doi.org/10.3390/info15030135

You Wu. A Comprehensive Review of Multimodal Emotion Recognition: Techniques, Challenges, and Future Directions // You Wu, Qingwei Mi, and Tianhan Gao / Biomimetics 2025, 10(7), 418; https://doi.org/10.3390/biomimetics10070418

Muhan Jia. A Survey of Multi-modal Emotion Recognition Based on Deep Learning// Muhan Jia, Zijian Sun / 3rd International Conference on Electronics, Machinery and Intelligent System (EMIS 2024). – Vol. 119 (2024). DOI: https://doi.org/10.54097/37zncv36

Yan Chen. Research on face emotion recognition algorithm based on deep learning neural network // Yan Chen, Mengzi Zhang / Applied Mathematics and Nonlinear Sciences 9(1). DOI:10.2478/amns.2023.2.00533

Chengxu Liang. A Survey of Deep Learning-based Facial Expression Recognition Research // Chengxu Liang, Jianshe Dong / Frontiers in Computing and Intelligent Systems. – Vol. 5 No. 2 (2023) DOI: https://doi.org/10.54097/fcis.v5i2.12445

Saiyed Umer. Human-Computer Interaction Using Deep Fusion Model-Based Facial Expression Recognition System // Saiyed Umer, Ranjeet Kumar Rout, Shailendra Tiwari, Ahmad Ali AlZubi, Jazem Mutared Alanazi, Kulakov Yurii / Computer Modeling in Engineering & Sciences 2023, 135(2), 1165-1185. https://doi.org/10.32604/cmes.2022.023312

##submission.downloads##

Опубліковано

2026-05-30

Як цитувати

Деведжіогуллари, А., Гавриленко, О. В., Жураковська, О., Колесник, Р., & Митник, Д. (2026). Метод визначення колективного емоційного стану на основі емоційної мережі та FER-моделі. Проблеми iнформатизацiї та управлiння, 2(86), 42–51. https://doi.org/10.18372/2073-4751.86.21272

Номер

Том 2 № 86 (2026)

Розділ

Статті

Ліцензія

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.

Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).

Авторські права

Автори, які публікують свої роботи в журналі:

  • зберігають за собою авторські права на свої публікації;

  • надають журналу право на перше опублікування статті;

  • погоджуються на поширення матеріалів за ліцензією CC BY 4.0;

  • мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.