هدف: هدف این نوشتار بررسی تأثیر احساسات و تمایلات رفتاری سرمایه گذاران بر قیمت گذاری دارایی های سرمایه ای می باشد. بدین منظور، از مدل سه عاملی فاما و فرنچ تعدیل شده بر اساس شاخص های ارزیابی احساسات سرمایه گذار استفاده گردیده است. روش: این مطالعه بر اساس اطلاعات منتشره از سوی شرکت های پذیرفته شده در بورس اوراق بهادار تهران، در بازه زمانی سال های 1389 تا 1394 با نمونه انتخابی شامل 141 شرکت انجام پذیرفته است. آزمون فرضیه های پژوهش با استفاده از مدل های میانگین متحرک خود همبسته یکپارچه (ARIMA) و رگرسیون خطی تعمیم یافته (EGLS) انجام پذیرفته است. یافته ها: نتایج آزمون فرضیه ها حاکی از افزایش توضیح دهندگی مدل قیمت گذاری دارایی های سرمایه ای با افزودن شاخص های احساسات می باشد. شاخص های احساسات سرمایه گذار مورد استفاده در این پژوهش شامل گردش مالی سهام در بازار، نسبت روزهای دارای روند صعودی به روزهای دارای روند نزولی قیمت سهام و نسبت صرف سود تقسیمی سهام می باشد. شاخص اول و دوم احساسات سرمایه گذار رابطه مثبت و معناداری با بازده پرتفوی های سهام داشته و در خصوص شاخص سوم رابطه معناداری در مدل مشاهده نگردید، ضمن آنکه، احساسات مثبت نسبت به احساسات منفی دارای تأثیر متمایز در قیمت گذاری دارایی ها می باشند. همچنین، شاخص های اول و دوم احساسات بر روی عامل بازار مدل فاما و فرنچ، هر سه شاخص احساسات بر روی عامل اندازه شرکت در مدل فاما فرنچ و همچنین شاخص های دوم و سوم احساسات بر روی عامل نسبت ارزش دفتری به ارزش بازار مدل فاما و فرنچ تأثیر گذار می باشد.

مقدمه: تاثیر هیجانات مختلف چهره (اعم از خوشحالی، ناراحتی، ترس و خشم...) بر حافظه ی بازشناسی چهره، در چندین مطالعه بررسی شده است. از آنجا که یافته های این پژوهش ها در تناقض با یکدیگرند، این مطالعه برای ارزیابی تاثیر هیجانات چهره بر حافظه ی بازشناسی چهره طراحی شده است.روش: در این پژوهش، 45 فرد سالم (23 مرد و 22 زن) با حافظه ی طبیعی که در محدوده ی سنی 18 تا 35 سال قرار داشتند، شرکت کردند. برای ارزیابی حافظه ی چهره ی هیجانی شرکت کنندگان، با استفاده از چهره های خوشحال، خنثی و غمگین، یک تکلیف طراحی شد. داده ها به کمک نرم افزار متلب (2015b) استخراج و برای تحلیل آماری به نرم افزار SPSS16.0 منتقل شدند. برای مقایسه ی هیجان های مختلف، درصد پاسخ درست و زمان پاسخ های درست و نادرست در هر هیجان محاسبه و برای بررسی تفاوت های آنها از آزمون تحلیل واریانس مکرر استفاده شد.یافته ها: تفاوت "صحت پاسخ دهی" حافظه ی بازشناسی چهره در سه هیجان چهره معنادار است، به طوری که چهره های دارای هیجان مثبت (خوشحال) در مقایسه با هیجان منفی (غمگین) و خنثی کمتر به یاد آورده می شوند (P<0.05). از حیث زمان پاسخ های درست، بین سه هیجان تفاوت معناداری مشاهده نشد.نتیجه گیری: چهره های غمگین و خنثی بهتر از چهره ی خوشحال به یاد آورده می شوند.

بازشناسی احساسات از روی گفتار با توجه به کاربردهای متنوع آن امروزه مورد توجه بسیاری از محققان قرار گرفته است. با پیشرفت روش های آموزش شبکه های عصبی عمیق وگسترش استفاده از آن در کاربردهای مختلف، در این مقاله کاربرد شبکه های کانولوشنی و ترنسفورمر در یک ترکیب جدید در بازشناسی احساسات گفتاری مورد بررسی قرار گرفته که از لحاظ پیاده سازی نسبت به روش های موجود ساده تر بوده و عملکرد مطلوبی نیز دارد. برای این منظور شبکه های عصبی کانولوشنی و ترنسفورمر پایه معرفی شده و سپس مبتنی بر آنها یک مدل جدید حاصل از ترکیب شبکه های کانولوشنی و ترنسفورمر ارایه شده که در آن خروجی مدل کانولوشنی پایه ورودی مدل ترنسفورمر پایه است. نتایج حاصل نشان می دهد که استفاده از شبکه های عصبی ترنسفورمر در بازشناسی بعضی از حالت های احساسی عملکرد بهتری نسبت به روش کانولوشنی دارد. همچنین در این مقاله نشان داده شده که استفاده از شبکه های عصبی ساده به صورت ترکیبی عملکرد بهتری در بازشناسی احساسات از روی گفتار می تواند داشته باشد. در این رابطه بازشناسی احساسات گفتاری با استفاده از ترکیب شبکه های عصبی کانولوشنی و ترنسفورمر با نام کانولوشنال-ترنسفورمر (CTF) برای دادگان راودس دقتی برابر 94/80 درصد به دست آورد؛ در حالی که یک شبکه عصبی کانولوشنی ساده دقتی در حدود 7/72 درصد به دست آورد. همچنین ترکیب شبکه های عصبی ساده علاوه بر اینکه می تواند دقت بازشناسی را افزایش دهد، می تواند زمان آموزش و نیاز به نمونه های آموزشی برچسب دار را نیز کاهش دهد.

مقدمه و اهداف: امروزه درک عواطف موجود در چهره و آهنگ گفتار به عنوان یک عملکرد عاطفی موثر در انتقال پیام های ارتباطی شناخته شده است. در بیماران مبتلا به پارکینسون درک عواطف نسبت به کاربرد آن، کمتر مورد توجه محققان واقع شده است؛ لذا مطالعه حاضر با هدف مرور پژوهش های مرتبط با عملکرد بیماران مبتلا به پارکینسون در بازشناسی احساسات از طریق چهره و آهنگ گفتار صورت گرفت. مواد و روش ها: در مطالعه مروری حاضر، با استفاده مجزا و ترکیبی از کلیدواژه های Parkinson's Disease، Recognition، Processing، Perception، Reception، Vocal Cue، Prosodic Cue، Prosodic Features، Emotional Voice & Face، Perceptual Prosody، Facial Expression، مقالات موجود در پایگاه هایPub Med، Science Direct، Wiley Online Library، Springer، Scientific Reports و Google Scholar جستجو شد. یافته ها: از تعداد 119 مقاله ی به دست آمده طی سال های 1991 تا سپتامبر 2017 میلادی، 22 مقاله مرتبط مرور شد. بررسی ها نتایج متفاوتی را نشان داد. حدود 80 درصد از مطالعات مربوط به پردازش عاطفی از مسیر بیانات چهره و تمام مطالعات مربوط به پردازش آهنگ گفتار در افراد مبتلا به پارکینسون گزارش کرده بودند که عملکرد بیماران در بازشناسی احساسات و مخصوصا عواطف منفی، ضعیف تر از گروه کنترل بوده است. بیش از 13درصد کل پژوهش های مورد بررسی عملکرد این دو گروه را بدون تفاوت چشمگیر برآورد کرده بودند و حدود 22 درصد از مطالعات به نتایج متغیری رسیده بودند که وابسته به شرایط همراه بیماران بود. نتیجه گیری: به نظر می رسد که در بررسی رابطه بین بیماری پارکینسون و بازشناسی یا درک عواطف موجود در چهره یا گفتار، یافته های بی ثباتی وجود داشته باشد. احتمالا آسیب های حرکتی، شناختی یا عاطفی که معمولا در پاتولوژی این بیماری دیده می شود، به طور اولیه با آسیب درک عواطف مرتبط نباشد.

هیجانات، برای تفسیر درست اقدامات و همچنین ارتباطات بین انسان ها مهم هستند. شناخت هیجانات از طریق سیگنال الکتروانسفالوگرام (EEG)، امکان تشخیص حالات هیجانی را بدون روش های سنتی ازجمله پر کردن پرسشنامه، میسر می گرداند و می تواند بدون معاینات و ویزیت های بالینی، هیجان مورد نظر در فرد را بازگو نماید که نقش بسیار مهمی در تکمیل کردن پازل تعامل بین مغز و کامپیوتر(BCI) ایفا می کند. ازجمله چالش های عمده ای که در این زمینه وجود دارد، نخست انتخاب و استخراج ویژگی های مناسب از سیگنال الکتروانسفالوگرام است، به نحوی که تمییز قابل قبولی را بین حالات هیجانی مختلف ایجاد نمایند. چالش دیگر انتخاب یک الگوریتم طبقه بند مناسب، برای تفکیک و برچسب گذاری صحیح سیگنال های مربوط به هر هیجان است. این مقاله، با ارائه ی روشی مستقیم از چالش های ذکرشده، گذر کرده و نتایج عملکرد طبقه بندی کننده بر اساس نمایش تنک سیگنال (SRC) و بازسازی آن توسط دیکشنری آموزش دیده شده، گزارش شده است. روش پیشنهادی این مقاله بر روی دو پایگاه داده آزمایش شده است که پایگاه اول حاصل طراحی سناریو و ثبت سیگنال آزمایشگاهی همین مقاله با تحریک شنوایی بوده است و پایگاه داده دوم مربوط به ثبت داده ی دانشگاه شانگهای چین است. نتایج روش پیشنهادی صحت بالای 80% را برای بازشناسی دو هیجان مثبت و منفی فراهم می کند و نشان می دهد که روش پیشنهادی درصد موفقیت بالاتری در طبقه بندی هیجانات نسبت به پژوهش های پیشین دارد.

زمینه و هدف: آسیب شنوایی، زبان و ارتباط و شناخت را تحت تاثیر قرار می دهد. این پژوهش با هدف بررسی اثر بخشی مداخلات زبانی در افزایش توانایی درک، تشخیص و بازشناسی حالات هیجانی و احساسی چهره در دانش آموزان آسیب دیده شنوایی انجام شد. روش بررسی: این مطالعه، به صورت نیمه آزمایشی با طرح پیش آزمون-پس آزمون و گروه گواه طراحی شد. جامعه آماری این پژوهش دانش آموزان آسیب دیده شنوایی از آموزشگاه پسرانه باغچه بان یک، در سال تحصیلی 1396 بودند. سی و دو نفر از دانش آموزان با استفاده از روش نمونه گیری غیر تصادفی ساده از میان جامعه موردنظر، به عنوان نمونه تحقیق انتخاب شدند و به صورت تصادفی هجده نفر در گروه آزمون و چهارده نفر در گروه گواه قرارگرفتند. هر دو گروه با استفاده از نرم افزار شناخت حالات چهره محقق ساخته و چک لیست مرتبط ارزیابی شدند. دانش آموزان گروه آزمایش، در هجده جلسه آموزشی-توان بخشی انفرادی سی دقیقه ای شرکت کردند. جهت تجزیه و تحلیل داده ها از نرم افزار SPSS نسخه 22 و آزمون تحلیل کوواریانس در سطح معناداری 0٫, 01 استفاده شد. یافته ها: پس از مداخله و آموزش، همچنین حذف اثر پیش آزمون تفاوت معناداری در میانگین توانایی درک، تشخیص و بازشناسی حالات هیجانی و احساسی چهره، بین دو گروه آزمایش و گواه، مشاهده گردید (0٫, 001>p)؛ بنابراین مقایسه نمرات دانش آموزان دو گروه، پس از آموزش، نشان داد که میزان توانایی گروه آزمون، برخلاف گروه گواه، افزایش یافت و این تغییرات را می توان ناشی از مداخله دانست. نتیجه گیری: توانایی دانش آموزان آسیب دیده شنوایی در تشخیص، درک و بیان مفاهیم مربوط به حالات و هیجانات چهره با مداخله زبانی از سوی گفتاردرمانگر و در قالب برنامه توان بخشی ارتقا می یابد.

سیگنال الکتریکی مغز به دلیل سهولت در ثبت، غیرتهاجمی بودن و دقت آن، کاربرد بسیار گسترده ای در حوزه های کلینیکی و تحقیقات دانشگاهی پیدا کرده است. یکی از کاربردها را می توان بازشناسی احساس از روی سیگنال الکتریکی مغزی دانست. برای مشخص کردن نوع احساس برانگیخته عموما از دو معیار خوشایندی و انگیختگی استفاده می شود که به ترتیب "میزان مثبت یا منفی بودن" و "میزان برون فکنی یا هیجان ایجاد شده" را برای احساس خاص مشخص می نمایند. اهمیت احساس با توجه به عکس العمل های ناشی از این پدیده، در انجام وظایف روزانه به خصوص در مواردی که شخص با فعالیت هایی که نیاز به دقت و تمرکز دارند روبه روست، مشخص می شود. در مسئله بازشناسی احساس، ابتدا با استفاده از محرک های حسی مناسب، احساسات مختلف برای سوژه های مورد بررسی ایجاد شده و سیگنال های مغزی متناظر با هر تحریک ثبت می شوند. دو مرحله پردازش اصلی در حل مسئله بازشناسی احساسات، استخراج ویژگی های مناسب و استفاده از طبقه بندها یا رگرسیون های مناسب است. در پژوهش های پیشین، محرک های مختلف بینایی و شنوایی مورد استفاده قرار گرفته اند و ویژگی ها و طبقه بندهای متنوع خطی و غیرخطی بررسی شده اند. در این مقاله، هدف بهبود الگوریتم های رگرسیون خطی برای تخمین بهتر معیارهای بازشناسی احساسات انسانی بوده است. بدین منظور یک الگوریتم جدید ارایه شده است که از تنک بودن بردار ترکیب در کنار تابع هزینه رگرسیون خطی استفاده می کند. کارایی الگوریتم ارایه شده بر روی داده های ساختگی بررسی شده است و برتری آن نسبت به الگوریتم های رگرسیون خطی PLS، LASSO، SOPLS و Ridge نشان داده شده است. هم چنین برای اعمال الگوریتم ارایه شده بر روی داده های EEG مربوط به بازشناسی احساسات، از مجموعه دادگان DEAP استفاده شده و ویژگی ضرایب مدل AR از سیگنال های EEG استخراج شده است. نتایج به دست آمده از الگوریتم پیشنهادی با نتایج به دست آمده از دیگر الگوریتم ها مقایسه شده است که در مجموع برتری نسبی الگوریتم ارایه شده را نشان می دهد.

هدف از سیستم­های بازشناسی احساس از روی گفتار ایجاد ارتباط عاطفی بین انسان و ماشین است. چراکه بازشناسی احساس و اهداف انسان از روی گفتار، به بهبود تعاملات بین انسان و ماشین کمک می­کند. بازشناسی احساس از روی گفتار برای محققان در دهه گذشته یک مسأله چالش برانگیز بوده است. اما با پیشرفت در حوزه هوش مصنوعی این چالش­ها کم رنگ­تر شدند. هدف از این پژوهش، استفاده از روش­های یادگیری عمیق در جهت بهتر کردن کارایی این سیستم­ها است. کار انجام شده از چندین مرحله تشکیل شده است. در مرحله اول از شبکه­های عصبی پیچشی سه بعدی برای یادگیری ویژگی­های طیفی زمانی گفتار استفاده شده است. در مرحله دوم برای قدرتمند کردن مدل پیشنهادی از ساختار هرمی جدید شبکه­های عصبی پیچشی سه بعدی اتصال داده شده؛ که یک معماری چند مقیاسه از شبکه­های عصبی پیچشی سه بعدی روی ابعاد ورودی است، بهره گرفته شد. در نهایت برای یادگیری ویژگی­های طیفی زمانی استخراج شده از ساختار جدید (ساختار جدید هرمی شبکه­های عصبی پیچشی سه بعدی) با درنظر گرفتن رابطه مکانی و زمانی اطلاعات به صورت کامل، از شبکه کپسول زمانی استفاده شد. در نهایت بر ساختار پیشنهادی که یک ساختار قدرتمند برای ویژگی­های طیفی زمانی است نام  MSID 3DCNN + Temporal Capsule   نهاده شد. پژوهش انجام شده و مدل نهایی بر روی ترکیب دو پایگاه داده گفتار معمولی و گفتار آوازی از پایگاه داده راودیس که یک پایگاه داده چند حالته است انجام شد. نتایجی که با استفاده از مدل پیشنهادی به دست آمد؛ نسبت به مدل­های مرسوم، قابل توجه است. در این پژوهش برای شش کلاس احساسی به تفکیک جنسیت، دقت 77/81 درصد به دست آمد.

مقدمه: همدلی سازه ای است چندوجهی و یکی از مفاهیم حیاتی در زندگی اجتماعی، که به انسان ها اجازه می دهد تا برای رفتار دیگران معنا پیدا کنند و بتوانند به عواطف آنها پاسخ مناسب دهند.روش: با توجه به اینکه همدلی یکی از مولفه های وابسته به فرهنگ است، هدف این پژوهش، بررسی ساختار عاملی مدل همدلی در بزرگ سالان بهنجار ایرانی و بررسی ابعاد همدلی در زنان و مردان است. نمونه ی حاضر را 304 فرد بزرگ سال ساکن تهران تشکیل می دادند که سابقه ی اختلال روانی حاد نداشتند و آزمون های بهره ی همدلی (EQ)، ذهن خوانی یا چشم (RMET) و بازشناسی هیجانی چهره (TRF) را تکمیل کرده بودند.یافته  ها: نتایج نشان داد که مدل چهار عاملی همدلی با ابعاد همدلی شناختی، همدلی عاطفی، مهارت های اجتماعی و تکالیف شناختی بهترین برازش را دارد (TLI=0.90 ,CFI=0.91). نمرات زنان در ابعاد همدلی عاطفی (t=2.76) و تکالیف شناختی بازشناسی هیجانات (t=2.95) نیز بیشتر از نمرات مردان بود. یافته های اکتشافی نیز نشان دادند که سن با ذهن خوانی رابطه ی معکوس (p<0.01) دارد.نتیجه گیری: مدل چهار عاملی همدلی پیشنهاد شده در پژوهش های خارجی، در جمعیت ایرانی نیز تایید و تکالیف شناختی به عنوان عامل چهارم و مستقل از همدلی شناختی، اما مرتبط با آن، شناخته شد.