比較深度神經網路與人類大腦在處理及欣賞美學作品的異同

專案詳細資料

Description

本研究將利用深度學習法,從不同技能水平的作家所寫的書法作品和四位世界知名藝術家的畫作中提取基本的空間特徵,以區分畫家的風格和作家的技能水平。選擇這四位藝術家是因為他們的風格包括我們想要測試的關鍵特徵,即筆觸(小空間尺度特徵)和聚光燈效果(大空間尺度特徵)。這兩個不同級別的空間特徵可以由卷積神經網絡的不同隱藏層的學習單元表示。訓練後CNN模型所提取的空間特徵將進一步與來自同時EEG /眼動儀和fMRI /眼動儀實驗的眼動結果進行比較,以查看訓練的空間特徵是否與眼動儀數據中的凝視中心位於同一位置,並進一步用於區分作者的技能水平以及藝術家的風格。然後,眼動數據中的凝視中心將進一步用於導引EEG和fMRI的數據分析,以找到凝視相關的腦部活動。我們假設在這個階段,主要找出的大腦活動應與視覺處理過程相關。因此,我們可以在處理這些藝術作品的視覺特徵時,找到人工神經網絡和人類神經網絡之間的對應關係。最後,我們將使用EEG的鎖相值和部分有向同調性,以及fMRI的Granger因果關係來估計與凝視相關大腦活動的腦網絡。因此,我們應該能夠描繪與藝術作品分類工作相關的更高水平的大腦活動。這些更高級別的大腦激活可能是在欣賞視覺藝術品時將人類神經網絡與人工神經網絡分開的關鍵組件。
狀態已完成
有效的開始/結束日期1/08/2031/07/21

聯合國永續發展目標

聯合國會員國於 2015 年同意 17 項全球永續發展目標 (SDG),以終結貧困、保護地球並確保全體的興盛繁榮。此專案有助於以下永續發展目標:

  • SDG 3 - 良好的健康和福祉
  • SDG 12 - 負責任的消費與生產
  • SDG 17 - 為永續目標構建夥伴關係

Keywords

  • 神經影像技術
  • 功能性磁振造影
  • 腦電波
  • 眼動儀
  • 深度學習
  • 神經美學

指紋

探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。