TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ
CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN KỸ THUẬT DỮ LIỆU

DƯƠNG QUỐC TUẤN - 20133109
LÊ HOÀNG MINH - 20133068
Đề tài:

ỨNG DỤNG MÔ HÌNH BILSTM TRONG PHÂN LOẠI CẢM
XÚC DỰA TRÊN TÍN HIỆU ĐIỆN NÃO ĐỒ (EEG)
KHÓA LUẬN TỐT NGHIỆP
NGÀNH KỸ THUẬT DỮ LIỆU
GIÁO VIÊN HƯỚNG DẪN
ThS. TRẦN TRỌNG BÌNH

KHÓA 2020 – 2024
TP. Hồ Chí Minh, tháng 06 năm 2024

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN KỸ THUẬT DỮ LIỆU

DƯƠNG QUỐC TUẤN - 20133109
LÊ HOÀNG MINH - 20133068
Đề tài:

ỨNG DỤNG MÔ HÌNH BILSTM TRONG PHÂN LOẠI CẢM
XÚC DỰA TRÊN TÍN HIỆU ĐIỆN NÃO ĐỒ (EEG)
KHÓA LUẬN TỐT NGHIỆP
NGÀNH KỸ THUẬT DỮ LIỆU
GIÁO VIÊN HƯỚNG DẪN
ThS. TRẦN TRỌNG BÌNH

KHÓA 2020 – 2024
TP. Hồ Chí Minh, tháng 06 năm 2024

ĐH SƯ PHẠM KỸ THUẬT TP.HCM

CỘNG HÒA XHCN VIỆT NAM

KHOA CÔNG NGHỆ THÔNG TIN

Độc lập – Tự do – Hạnh phúc

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên 1: Dương Quốc Tuấn

MSSV: 20133109

Họ và tên Sinh viên 2: Lê Hoàng Minh

MSSV: 20133068

Chuyên ngành: Kỹ thuật dữ liệu
Tên đề tài: Ứng dụng mô hình BiLSTM trong phân loại cảm xúc dựa trên tín hiệu
điện não đồ (EEG)
Họ và tên giáo viên hướng dẫn: ThS. Trần Trọng Bình
NHẬN XÉT
1. Về nội dung đề tài và khối lượng thực hiện:
-

Hiểu về chuỗi thời gian và tín hiệu điện não đồ (Electroencephalogram) và
bài toán phân loại cảm xúc từ tín hiệu EEG Hiểu về kiến trúc và hoạt
động của mô hình BiLSTM, phương pháp biến đổi Fourier liên tục cho dữ
liệu EEG.

-

Xây dựng mô hình phân loại cảm xúc dựa trên tín hiệu điện não đồ sử
dụng BiLSTM có độ chính xác khác cao.

-

Dựa trên kết quả thực nghiệm đối sánh với các mô hình LSTM, RNN để
làm rõ hiệu quả của mô hình BiLSTM.

2. Ưu điểm:
-

Nhóm tham khảo các nguồn tài liệu có chất lượng.

-

Nhóm thực hiện đúng tiến độ công việc đề ra.

3. Khuyết điểm:
-

Nguồn dữ liệu EEG hạn chế, đặt biệt là nhãn dữ liệu (natural, positive,
negative) khó mở rộng bài toán cảm xúc đa dạng.

-

Giao diện ứng dụng còn đơn giản.

4. Đề nghị cho bảo vệ hay không? Đề nghị cho bảo vệ
5. Đánh giá loại: Tốt
6. Điểm: 9

1

TP. Hồ Chí Minh, tháng…. năm ….
Giảng viên hướng dẫn
(Ký &amp ghi rõ họ tên)

2

ĐH SƯ PHẠM KỸ THUẬT TP.HCM

CỘNG HÒA XHCN VIỆT NAM

KHOA CÔNG NGHỆ THÔNG TIN

Độc lập – Tự do – Hạnh phúc

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
Họ và tên Sinh viên 1: Dương Quốc Tuấn

MSSV: 20133109

Họ và tên Sinh viên 2: Lê Hoàng Minh

MSSV: 20133068

Chuyên ngành: Kỹ thuật dữ liệu
Tên đề tài: Ứng dụng mô hìn
...

...
Từ Hồi Quy Đến Học Sâu, 2021 , 1-155.
[2].

Robert H. Shumway &amp David S. Stoffer Time Series Analysis and Its

Applications: With R Examples , 2000.
[3].

Peter J. Brockwell &amp Richard A. Davis Introduction to Time Series and

Foreing , 2007.
[4].

Hamayel, M.J. Owda, A.Y. A Novel Cryptocurrency Price Prediction

Model Using GRU, LSTM and BiLSTM Machine Learning Algorithms. AI
2021, 2, 477–496.
[5].

Haobo Li BiLSTM Network for Multimodal Continuous Human

Activity Recognition and Fall Detection , 2019
[6].

Archit Saxena Introduction to Long Short-Term Memory (LSTM) ,2023.

[7].

J. Xie et al. Self-Attention-Based BiLSTM Model for Short Text Fine-

Grained Sentiment Classification, 2019.
[8].

S.Sima et al The Performance of LSTM and BiLSTM in Foreing

Time Series , 2019.
[9].

Ilya Sutskever, Oriol Vinyals, Quoc V. Le . Sequence to Sequence

Learning with Neural Networks, 2014.
[10]. Alex Graves and Jurgen Schmidhuber. Framewise Phoneme
Classification with Bidirectional LSTM and Other Neural Network
Architectures, 2005.
[11]. A Malhotra et al .Stock market price prediction using long-short term
memory (LSTM), 2015.
[12]. Davidson, R. J. Anterior cerebral asymmetry and the nature of emotion.
Brain and Cognition, 20(1), 125-151, 1992.
[13]. Edmund Goh and Cindy Lee. A workforce to be reckoned with: The
emerging pivotal Generation Zhospitality workforce, 2018
[14]. Lin et al. Research of Stock Price Prediction Based on PCA-LSTM
Model, 2019.
[15]. Cacioppo, J. T., &amp Gardner, W. L. Emotion and the neuroendocrine brain:
A review. Psychoneuroendocrinology, 25(1-2), 19-43, 2000.
54

[16]. Güntekin, B., &amp Güntekin, T. Emotion recognition from EEG signals
using deep learning methods , 2019.
[17]. Zheng, W. L., &amp Lu, B. L. EEG-based emotion recognition using deep
learning: A review of recent advances. Cognitive Computation, 11(3), 425-445,
2019.
[18]. Jiang Wang, Mei Wang. Review of the emotional feature extraction and
classification using EEG signals. Cognitive Robotics 1 ,29–40, 2021.
[19]. PGS.TS. Hà Hoàng Kiệm, BV 103. Điện não đồ cơ bản (Electro
Encephalo Gram-EEG). Nguồn: Sách:Điện từ sinh học/Điện não đồ.
Thuvienkhoahoc.com, 2019.
[20]. Abdulrahman et al, A Novel Approach for Emotion Recognition Based
on EEG Signal Using Deep Learning, 2022.
[21]. Ronald Lesser et all. American Electroencephalographic Society
guidelines for standard electrode position nomenclature. Article in Clinical
Neurophysiology, 1991.

55

56