في عصر تتزايد فيه أهمية فهم المشاعر البشرية، برزت تقنية التعرف على المشاعر باستخدام إشارات فيزيولوجية مثل تخطيط الدماغ الكهربائي (EEG) كأحد الحلول الواعدة. ورغم ذلك، يواجه الباحثون تحديات عديدة بسبب الفروق الفردية والسياقات المتنوعة، مما يؤثر سلباً على فعالية النماذج المستخدمة في هذا المجال.

في هذا السياق، تم تقديم إطار موحد مع محاذاة متعددة الوسائط التكيفية (UF-AMA)، الذي يهدف إلى تحسين قدرة النماذج على التعرف على المشاعر عبر不同 المجالات. تكمن قوة هذا الإطار في قدرته على دمج البيانات المستمدة من تخطيط الدماغ الكهربائي مع بيانات تتبع العيون، من خلال شبكة فنية تجمع بين وحدات تشغيل (Transformer) متعددة.

تعتبر آلية الفحص المبنية على الثقة جزءًا حيويًا من هذا الإطار، حيث تقوم بتقييم موثوقية التنبؤ لكل فرع من فروع البيانات، مما يساعد في تقسيم العينات إلى مجموعات ذات جودة مختلفة. يُسهم ذلك في توسيع نطاق تطبيقات الإطار بشكل كبير، مما يؤدي إلى تحسين الأداء عبر ظروف مختلفة.

علاوة على ذلك، يعزز UF-AMA قدراته من خلال إطار تكيف متعدد المستويات يقوم بتحسين التوزيعات الطرفية والمشروطة للميزات، مما يساعد في تقليل الفجوات بين المجالات المختلفة.

أظهرت التجارب التي أجريت على مجموعات بيانات SEED وSEED-IV أن تقنية UF-AMA تحقق أداءً رائدًا في التحديات المرتبطة بالمواضيع المختلفة والفئات الزمنية، مما يفتح الأفق لمجموعة جديدة من التطبيقات في تكنولوجيا الذكاء الاصطناعي.

في رسالة مفتوحة، قام الباحثون بمشاركة الكود المصدري للإطار على GitHub، مما يسهل على مجتمع الباحثين استكشاف واستخدام هذه التقنية الثورية في أبحاثهم.