fa تشخیص استرس از سیگنال قطر مردمک به کمک شبکه عصبی تخصصي Special علمی- ترویجی Scientific-extension <span style="font-family:Arial,sans-serif;"></span><span dir="RTL"><span style="font-family:Arial,sans-serif;"><span style="font-size:11.0pt;">در این کار، هدف تشخیص رخداد استرس در افراد با استفاده از رصد تغییرات سیگنال اندازه قطر مردمک است، که با طراحی یک آزمایش پرسش و پاسخ روی گروهی از افراد انجام شده است. اثرگذاری عملکرد سیستم عصبی خودکار بر روی رفتارهای غیرارادی نظیر قطر مردمک، نرخ ضربان قلب، نرخ تنفس، فشار خون و غیره باعث شده تا محققان قادر به شناسایی برخی رخدادها نظیر استرس در سیستم عصبی افراد از طریق رصد اینچنین رفتارها در طول زمان باشند. استخراج سیگنال قطر مردمک نسبت به دیگر سیگنال‌های فیزیولوژیک ارزان‌تر است که می‌تواند به‌صورت غیرتهاجمی کسب شده و به‌راحتی در کنار دیگر اندازه‌گیری‌های فیزیولوژیکی استفاده شود. به‌علاوه استخراج سیگنال قطر مردمک را می‌توان روی گستره وسیعی از افراد انجام داد. به منظور دسته‌بندی سیگنال‌ها ما از شبکه باور عمیق استفاده می‌کنیم. شبکه عصبی باور عمیق تشکیل شده از لایه‌های ماشین بولتزمن محدود شده توانایی خوبی در استخراج ویژگی سیگنال و دسته‌بندی آن دارد. نتایج حاصله و مقایسه آن با دیگر کارهای مشابه نشان می‌دهد که سیگنال قطر مردمک توانایی بالایی در نشان دادن حالات روانی افراد از نظر قرارگیری در شرایط آرامش و استرس دارد</span></span></span> In this work, the goal is to diagnose the occurrence of stress in individuals by observing the changes of pupil diameter signal that done by conducting a question and answer experiment on a group of people. The effect of autonomic nervous system function on involuntary behaviors, such as pupil diameter, heart rate, respiration rate, blood pressure, etc. has made it possible for researchers to identify certain events, such as stress in the nervous system of individuals, by observing these behaviors throughout time. Extraction of the pupil diameter signal is cheaper than other physiological signals, which can be acquired noninvasively and can easily combined with other physiological measurements. In addition, extraction of the pupil diameter signal can be done on a wide range of people. In order to classify the signals, we use the deep-belief neural network. the deep-belief neural network consists of restricted Boltzmann machine&#39;s layers has a good ability to extract signal characteristics and then classify them. The results and comparison them with other similar works indicate that the pupil diameter signal has a high ability to show the mental states of people in terms of relaxation and stress.<br> &nbsp; تشخیص استرس, قطر مردمک, شبکه عصبی, شبکه عصبی باور عمیق stress detection, pupil diameter, neural network, deep-belief neural network. 35 40 http://kiaeee.ir/browse.php?a_code=A-10-260-4&slc_lang=fa&sid=1 محمد طاهری mhdth@chmail.ir 1003194753284600759 1003194753284600759 Yes هادی سمیعی hsam2016@chmail.ir 1003194753284600760 1003194753284600760 No