Sign In

Login

Password

Forgot Password ? Sign Up

Reconnaissance automatique des émotions (French Wikipedia)

Analysis of information sources in references of the Wikipedia article "Reconnaissance automatique des émotions" in French language version.

refsWebsite
Global rank French rank
55doi.org
2nd place
3rd place
29issn.org
57th place
4th place
22semanticscholar.org
11th place
325th place
8ieee.org
652nd place
741st place
6arxiv.org
69th place
232nd place
5acm.org
1,185th place
1,318th place
3sagepub.com
731st place
771st place
3nih.gov
4th place
12th place
2elsevier.com
610th place
265th place
2mdpi.com
2,912th place
1,010th place
2psu.edu
207th place
929th place
2web.archive.org
1st place
1st place
2researchgate.net
120th place
178th place
1jamanetwork.com
2,650th place
689th place
1iaescore.com
low place
low place
1handle.net
102nd place
779th place
1napier.ac.uk
low place
low place
1techcrunch.com
187th place
491st place
1sentic.net
low place
low place
1worldcat.org
5th place
13th place
1qub.ac.uk
8,565th place
low place
1uws.ac.uk
low place
low place
1affectiva.com
low place
low place
1tandfonline.com
507th place
420th place
1uspto.gov
1,459th place
2,502nd place
1scientificamerican.com
896th place
1,435th place
1seekingalpha.com
5,344th place
low place
1nviso.ch
low place
low place
1visagetechnologies.com
low place
low place
1cnet.com
272nd place
788th place
1huffingtonpost.com
109th place
318th place
1krcadinac.com
low place
low place

acm.org

dl.acm.org

affectiva.com

arxiv.org

  • Premjeet Singh, Goutam Saha et Md Sahidullah, 2021 International Conference on Computer Communication and Informatics (ICCCI), , 1–4 p. (ISBN 978-1-7281-5875-4, DOI 10.1109/ICCCI50826.2021.9402569, arXiv 2102.04029, S2CID 231846518), « Non-linear frequency warping using constant-Q transformation for speech emotion recognition ».
  • Soujanya Poria, Devamanyu Hazarika, Navonil Majumder et Gautam Naik, « MELD: A Multimodal Multi-Party Dataset for Emotion Recognition in Conversations », Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, Stroudsburg, PA, USA, Association for Computational Linguistics,‎ , p. 527–536 (DOI 10.18653/v1/p19-1050, arXiv 1810.02508, S2CID 52932143).
  • Lukas Stappen, Björn Schuller, Iulia Lefter, Erik Cambria et Kompatsiaris, Proceedings of the 28th ACM International Conference on Multimedia, Seattle, PA, USA, Association for Computing Machinery, , 4769–4770 p. (ISBN 9781450379885, DOI 10.1145/3394171.3421901, arXiv 2004.14858, S2CID 222278714), « Summary of MuSe 2020: Multimodal Sentiment Analysis, Emotion-target Engagement and Trustworthiness Detection in Real-life Media ».
  • Vong Ho, Computational Linguistics, vol. 1215, coll. « Communications in Computer and Information Science », , 319–333 p. (ISBN 978-981-15-6167-2, DOI 10.1007/978-981-15-6168-9_27, arXiv 1911.09339, S2CID 208202333), « Emotion Recognition for Vietnamese Social Media Text ».
  • Donghyeon Won, Zachary C. Steinert-Threlkeld et Jungseock Joo, Proceedings of the 25th ACM international conference on Multimedia, New York, NY, USA, Association for Computing Machinery, coll. « MM '17 », , 786–794 p. (ISBN 978-1-4503-4906-2, DOI 10.1145/3123266.3123282, arXiv 1709.06204), « Protest Activity Detection and Perceived Violence Estimation from Social Media Images ».
  • Shivhare, S. N., et Khethawat, S. (2012). Emotion detection from text. arXiv preprint « 1205.4944 », texte en accès libre, sur arXiv.

cnet.com

doi.org

dx.doi.org

  • (en) Matthew D. Lieberman, Naomi I. Eisenberger, Molly J. Crockett et Sabrina M. Tom, « Putting Feelings Into Words », Psychological Science, vol. 18, no 5,‎ , p. 421–428 (ISSN 0956-7976 et 1467-9280, DOI 10.1111/j.1467-9280.2007.01916.x, lire en ligne, consulté le ).
  • (en) Yeşim Ülgen Sönmez et Asaf Varol, « In-depth investigation of speech emotion recognition studies from past to present –The importance of emotion recognition from speech signal for AI– », Intelligent Systems with Applications, vol. 22,‎ , article no 200351 (e-ISSN 2667-3053, DOI 10.1016/j.iswa.2024.200351, S2CID 268446819).
  • (en) M. Maithri et al., « Automated emotion recognition: Current trends and future perspectives », Computer Methods and Programs in Biomedicine, vol. 215,‎ , article no 106646 (ISSN 0169-2607, e-ISSN 1872-7565, PMID 35093645, DOI 10.1016/j.cmpb.2022.106646).
  • (en) P Lucey, J F Cohn, I Matthews et S Lucey, « Automatically Detecting Pain in Video Through Facial Action Units », IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), vol. 41, no 3,‎ , p. 664–674 (ISSN 1083-4419 et 1941-0492, PMID 21097382, PMCID PMC6942457, DOI 10.1109/TSMCB.2010.2082525, lire en ligne, consulté le ).
  • (en) Todd E. Feinberg, « Facial Discrimination and Emotional Recognition in Schizophrenia and Affective Disorders », Archives of General Psychiatry, vol. 43, no 3,‎ , p. 276 (ISSN 0003-990X, DOI 10.1001/archpsyc.1986.01800030094010, lire en ligne, consulté le ).
  • (en) Muhammad Najam Dar, Muhammad Usman Akram, Rajamanickam Yuvaraj et Sajid Gul Khawaja, « EEG-based emotion charting for Parkinson's disease patients using Convolutional Recurrent Neural Networks and cross dataset learning », Computers in Biology and Medicine, vol. 144,‎ , p. 105327 (DOI 10.1016/j.compbiomed.2022.105327, lire en ligne, consulté le ).
  • (en) Sarah Saadoon Jasim et Alia Karim Abdul Hassan, « Modern drowsiness detection techniques: a review », International Journal of Electrical and Computer Engineering (IJECE), vol. 12, no 3,‎ , p. 2986 (ISSN 2722-2578 et 2088-8708, DOI 10.11591/ijece.v12i3.pp2986-2995, lire en ligne, consulté le ).
  • (en) Junwei Sun, Juntao Han, Yanfeng Wang et Peng Liu, « Memristor-Based Neural Network Circuit of Emotion Congruent Memory With Mental Fatigue and Emotion Inhibition », IEEE Transactions on Biomedical Circuits and Systems, vol. 15, no 3,‎ , p. 606–616 (ISSN 1932-4545 et 1940-9990, DOI 10.1109/TBCAS.2021.3090786, lire en ligne, consulté le ).
  • (en) Tilo Kircher, Volker Arolt, Andreas Jansen et Martin Pyka, « Effect of Cognitive-Behavioral Therapy on Neural Correlates of Fear Conditioning in Panic Disorder », Biological Psychiatry, vol. 73, no 1,‎ , p. 93–101 (DOI 10.1016/j.biopsych.2012.07.026, lire en ligne, consulté le ).
  • (en) Md. Milon Islam, Sheikh Nooruddin, Fakhri Karray et Ghulam Muhammad, « Enhanced multimodal emotion recognition in healthcare analytics: A deep learning based model-level fusion approach », Biomedical Signal Processing and Control, vol. 94,‎ , p. 106241 (ISSN 1746-8094, DOI 10.1016/j.bspc.2024.106241, lire en ligne, consulté le ).
  • (en) Zhirong Wang, Ming Chen et Guofu Feng, « Study on Driver Cross-Subject Emotion Recognition Based on Raw Multi-Channels EEG Data », Electronics, vol. 12, no 11,‎ , p. 2359 (ISSN 2079-9292, DOI 10.3390/electronics12112359, lire en ligne, consulté le ).
  • (en) Kranti Kamble et Joydeep Sengupta, « A comprehensive survey on emotion recognition based on electroencephalograph (EEG) signals », Multimedia Tools and Applications, vol. 82, no 18,‎ , p. 27269–27304 (ISSN 1573-7721, DOI 10.1007/s11042-023-14489-9, lire en ligne, consulté le ).
  • (en) Ietezaz Ul Hassan, Raja Hashim Ali, Zain ul Abideen et Ali Zeeshan Ijaz, « Towards Effective Emotion Detection: A Comprehensive Machine Learning Approach on EEG Signals », BioMedInformatics, vol. 3, no 4,‎ , p. 1083–1100 (ISSN 2673-7426, DOI 10.3390/biomedinformatics3040065, lire en ligne, consulté le ).
  • (en) Baloju Revanth, Sakshi Gupta, Prakhar Dubey et Bhargav Choudhury, Multi-Channel EEG-based Multi-Class Emotion Recognition From Multiple Frequency Bands, IEEE, , 1–5 p. (ISBN 979-8-3503-1071-9, DOI 10.1109/PCEMS58491.2023.10136120, lire en ligne).
  • (en) Arpan Phukan et Deepak Gupta, « Deep feature extraction from EEG signals using xception model for emotion classification », Multimedia Tools and Applications, vol. 83, no 11,‎ , p. 33445–33463 (ISSN 1573-7721, DOI 10.1007/s11042-023-16941-2, lire en ligne, consulté le ).
  • (en) Glenn F. Wilson et Christopher A. Russell, « Real-Time Assessment of Mental Workload Using Psychophysiological Measures and Artificial Neural Networks », Human Factors: The Journal of the Human Factors and Ergonomics Society, vol. 45, no 4,‎ , p. 635–644 (ISSN 0018-7208 et 1547-8181, DOI 10.1518/hfes.45.4.635.27088, lire en ligne, consulté le ).
  • (en) Yan Wang, Wei Song, Wei Tao et Antonio Liotta, « A systematic review on affective computing: emotion models, databases, and recent advances », Information Fusion, vol. 83-84,‎ , p. 19–52 (ISSN 1566-2535, DOI 10.1016/j.inffus.2022.03.009, lire en ligne, consulté le ).
  • Premjeet Singh, Goutam Saha et Md Sahidullah, 2021 International Conference on Computer Communication and Informatics (ICCCI), , 1–4 p. (ISBN 978-1-7281-5875-4, DOI 10.1109/ICCCI50826.2021.9402569, arXiv 2102.04029, S2CID 231846518), « Non-linear frequency warping using constant-Q transformation for speech emotion recognition ».
  • (en) Soujanya Poria, Erik Cambria, Rajiv Bajpai et Amir Hussain, « A review of affective computing: From unimodal analysis to multimodal fusion », Information Fusion, vol. 37,‎ , p. 98-125 (ISSN 1566-2535, e-ISSN 1872-6305, DOI 10.1016/j.inffus.2017.02.003 Accès payant, hdl 1893/25490, S2CID 205433041, lire en ligne).
  • (en) Geetha A. V., Mala T., Priyanka D. et Uma E., « Multimodal Emotion Recognition with Deep Learning: Advancements, challenges, and future directions », Information Fusion, vol. 105,‎ , p. 102218 (ISSN 1566-2535, DOI 10.1016/j.inffus.2023.102218, lire en ligne, consulté le ).
  • (en) Nusrat J. Shoumy, Li-Minn Ang, Kah Phooi Seng et D.M.Motiur Rahaman, « Multimodal big data affective analytics: A comprehensive survey using text, audio, visual and physiological signals », Journal of Network and Computer Applications, vol. 149,‎ , p. 102447 (ISSN 1084-8045, DOI 10.1016/j.jnca.2019.102447, lire en ligne, consulté le ).
  • (en) George Caridakis, Ginevra Castellano, Loic Kessous, Amaryllis Raouzaiou, Malatesta, Asteriadis et Karpouzis, Artificial Intelligence and Innovations 2007: From Theory to Applications, vol. 247, coll. « IFIP the International Federation for Information Processing », , 375–388 p. (ISBN 978-0-387-74160-4, DOI 10.1007/978-0-387-74161-1_41), « Multimodal emotion recognition from expressive faces, body gestures and speech ».
  • (en) Erik Cambria, « Affective Computing and Sentiment Analysis », IEEE Intelligent Systems, vol. 31, no 2,‎ , p. 102–107 (DOI 10.1109/MIS.2016.31, S2CID 18580557).
  • (en) Maite Taboada, Julian Brooke, Milan Tofiloski et Kimberly Voll, « Lexicon-Based Methods for Sentiment Analysis », Computational Linguistics, vol. 37, no 2,‎ , p. 267–307 (ISSN 0891-2017, DOI 10.1162/coli_a_00049).
  • (en) Alexandra Balahur, JesúS M Hermida et AndréS Montoyo, « Detecting implicit expressions of emotion in text: A comparative analysis », Decision Support Systems, vol. 53, no 4,‎ , p. 742–753 (ISSN 0167-9236, DOI 10.1016/j.dss.2012.05.024, lire en ligne).
  • (en) Walaa Medhat, Ahmed Hassan et Hoda Korashy, « Sentiment analysis algorithms and applications: A survey », Ain Shams Engineering Journal, vol. 5, no 4,‎ , p. 1093–1113 (DOI 10.1016/j.asej.2014.04.011).
  • (en) Zohreh Madhoushi, Abdul Razak Hamdan et Suhaila Zainudin, 2015 Science and Information Conference (SAI), , 288–291 p. (ISBN 978-1-4799-8547-0, DOI 10.1109/SAI.2015.7237157, S2CID 14821209), « Sentiment analysis techniques in recent works ».
  • (en) Fatemeh Hemmatian et Mohammad Karim Sohrabi, « A survey on classification techniques for opinion mining and sentiment analysis », Artificial Intelligence Review, vol. 52, no 3,‎ , p. 1495–1545 (DOI 10.1007/s10462-017-9599-6, S2CID 11741285).
  • (en) Shiliang Sun, Chen Luo et Junyu Chen, « A review of natural language processing techniques for opinion mining systems », Information Fusion, vol. 36,‎ , p. 10-25 (DOI 10.1016/j.inffus.2016.10.004).
  • (en) Navonil Majumder, « Deep Learning-Based Document Modeling for Personality Detection from Text », IEEE Intelligent Systems, vol. 32, no 2,‎ , p. 74-79 (DOI 10.1109/MIS.2017.23, S2CID 206468984).
  • (en) P. D. Mahendhiran et S. Kannimuthu, « Deep Learning Techniques for Polarity Classification in Multimodal Sentiment Analysis », International Journal of Information Technology & Decision Making, vol. 17, no 3,‎ , p. 883-910 (DOI 10.1142/S0219622018500128).
  • (en) Hongliang Yu, Liangke Gui, Michael Madaio et Amy Ogan, Temporally Selective Attention Model for Social and Affective State Recognition in Multimedia Content, ACM, , 1743-1751 p. (ISBN 978-1-4503-4906-2, DOI 10.1145/3123266.3123413, lire en ligne).
  • (en) Dias Issa, M. Fatih Demirci et Adnan Yazici, « Speech emotion recognition with deep convolutional neural networks », Biomedical Signal Processing and Control, vol. 59,‎ , article no 101894 (ISSN 1746-8094, e-ISSN 1746-8108, OCLC 8584434791, DOI 10.1016/j.bspc.2020.101894 Accès payant, S2CID 214018462).
  • (en) Matheus Araújo, Pollyanna Gonçalves, Meeyoung Cha et Fabrício Benevenuto, Proceedings of the 23rd International Conference on World Wide Web, ACM, coll. « WWW '14 Companion », , 75–78 p. (ISBN 9781450327459, DOI 10.1145/2567948.2577013, S2CID 11018367), « IFeel: A system that compares and combines sentiment analysis methods ».
  • Ellen Douglas-Cowie, Nick Campbell, Roddy Cowie et Peter Roach, « Emotional speech: towards a new generation of databases », Speech Communication, vol. 40, nos 1–2,‎ , p. 33–60 (ISSN 0167-6393, DOI 10.1016/S0167-6393(02)00070-5, S2CID 6421586, CiteSeerx 10.1.1.128.3991, lire en ligne).
  • G. McKeown, M. Valstar, R. Cowie et M. Pantic, « The SEMAINE Database: Annotated Multimodal Records of Emotionally Colored Conversations between a Person and a Limited Agent », IEEE Transactions on Affective Computing, vol. 3, no 1,‎ , p. 5–17 (DOI 10.1109/T-AFFC.2011.20, S2CID 2995377, lire en ligne).
  • (en) Carlos Busso, Murtaza Bulut, Chi-Chun Lee et Abe Kazemzadeh, « IEMOCAP: interactive emotional dyadic motion capture database », Language Resources and Evaluation, vol. 42, no 4,‎ , p. 335–359 (ISSN 1574-020X, DOI 10.1007/s10579-008-9076-6, S2CID 11820063).
  • O. Martin, I. Kotsia, B. Macq et I. Pitas, 22nd International Conference on Data Engineering Workshops (ICDEW'06), IEEE Computer Society, coll. « Icdew '06 », , 8– (ISBN 9780769525716, DOI 10.1109/ICDEW.2006.145, S2CID 16185196, lire en ligne), « The eNTERFACE'05 Audio-Visual Emotion Database ».
  • Sander Koelstra, Christian Muhl, Mohammad Soleymani et Jong-Seok Lee, « DEAP: A Database for Emotion Analysis Using Physiological Signals », IEEE Transactions on Affective Computing, vol. 3, no 1,‎ , p. 18–31 (ISSN 1949-3045, DOI 10.1109/T-AFFC.2011.15, S2CID 206597685, CiteSeerx 10.1.1.593.8470).
  • Stamos Katsigiannis et Naeem Ramzan, « DREAMER: A Database for Emotion Recognition Through EEG and ECG Signals From Wireless Low-cost Off-the-Shelf Devices », IEEE Journal of Biomedical and Health Informatics, vol. 22, no 1,‎ , p. 98–107 (ISSN 2168-2194, PMID 28368836, DOI 10.1109/JBHI.2017.2688239, S2CID 23477696, lire en ligne [archive du ], consulté le ).
  • Soujanya Poria, Devamanyu Hazarika, Navonil Majumder et Gautam Naik, « MELD: A Multimodal Multi-Party Dataset for Emotion Recognition in Conversations », Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, Stroudsburg, PA, USA, Association for Computational Linguistics,‎ , p. 527–536 (DOI 10.18653/v1/p19-1050, arXiv 1810.02508, S2CID 52932143).
  • Lukas Stappen, Björn Schuller, Iulia Lefter, Erik Cambria et Kompatsiaris, Proceedings of the 28th ACM International Conference on Multimedia, Seattle, PA, USA, Association for Computing Machinery, , 4769–4770 p. (ISBN 9781450379885, DOI 10.1145/3394171.3421901, arXiv 2004.14858, S2CID 222278714), « Summary of MuSe 2020: Multimodal Sentiment Analysis, Emotion-target Engagement and Trustworthiness Detection in Real-life Media ».
  • Vong Ho, Computational Linguistics, vol. 1215, coll. « Communications in Computer and Information Science », , 319–333 p. (ISBN 978-981-15-6167-2, DOI 10.1007/978-981-15-6168-9_27, arXiv 1911.09339, S2CID 208202333), « Emotion Recognition for Vietnamese Social Media Text ».
  • Pablo Arnau-González, Stamos Katsigiannis, Miguel Arevalillo-Herráez et Naeem Ramzan, « BED: A new dataset for EEG-based biometrics », IEEE Internet of Things Journal, vol. (Early Access), no 15,‎ , p. 1 (ISSN 2327-4662, DOI 10.1109/JIOT.2021.3061727, S2CID 233916681, lire en ligne).
  • (en) Michael Bossetta et Rasmus Schmøkel, « Cross-Platform Emotions and Audience Engagement in Social Media Political Campaigning: Comparing Candidates' Facebook and Instagram Images in the 2020 US Election », Political Communication, vol. 40, no 1,‎ , p. 48–68 (ISSN 1058-4609, DOI 10.1080/10584609.2022.2128949).
  • (en) Yilang Peng, « What Makes Politicians' Instagram Posts Popular? Analyzing Social Media Strategies of Candidates and Office Holders with Computer Vision », The International Journal of Press/Politics, vol. 26, no 1,‎ , p. 143–166 (ISSN 1940-1612, DOI 10.1177/1940161220964769, S2CID 225108765, lire en ligne).
  • (en) Mario Haim et Marc Jungblut, « Politicians' Self-depiction and Their News Portrayal: Evidence from 28 Countries Using Visual Computational Analysis », Political Communication, vol. 38, nos 1–2,‎ , p. 55–74 (ISSN 1058-4609, DOI 10.1080/10584609.2020.1753869, S2CID 219481457, lire en ligne).
  • Donghyeon Won, Zachary C. Steinert-Threlkeld et Jungseock Joo, Proceedings of the 25th ACM international conference on Multimedia, New York, NY, USA, Association for Computing Machinery, coll. « MM '17 », , 786–794 p. (ISBN 978-1-4503-4906-2, DOI 10.1145/3123266.3123282, arXiv 1709.06204), « Protest Activity Detection and Perceived Violence Estimation from Social Media Images ».
  • (en) Hakpyeong Kim et Taehoon HongShow, « Enhancing emotion recognition using multimodal fusion of physiological, environmental, personal data », Expert Systems with Applications, vol. 249, Part B,‎ , article no 123723 (ISSN 0957-4174, e-ISSN 1873-6793, DOI 10.1016/j.eswa.2024.123723 Accès payant, S2CID 268580564).

doi.org

  • (en) Md. Milon Islam, Sheikh Nooruddin, Fakhri Karray et Ghulam Muhammad, « Enhanced multimodal emotion recognition in healthcare analytics: A deep learning based model-level fusion approach », Biomedical Signal Processing and Control, vol. 94,‎ , p. 106241 (ISSN 1746-8094, DOI 10.1016/j.bspc.2024.106241, lire en ligne, consulté le ).
  • (en) Kranti Kamble et Joydeep Sengupta, « A comprehensive survey on emotion recognition based on electroencephalograph (EEG) signals », Multimedia Tools and Applications, vol. 82, no 18,‎ , p. 27269–27304 (ISSN 1573-7721, DOI 10.1007/s11042-023-14489-9, lire en ligne, consulté le ).
  • (en) Arpan Phukan et Deepak Gupta, « Deep feature extraction from EEG signals using xception model for emotion classification », Multimedia Tools and Applications, vol. 83, no 11,‎ , p. 33445–33463 (ISSN 1573-7721, DOI 10.1007/s11042-023-16941-2, lire en ligne, consulté le ).
  • (en) Yan Wang, Wei Song, Wei Tao et Antonio Liotta, « A systematic review on affective computing: emotion models, databases, and recent advances », Information Fusion, vol. 83-84,‎ , p. 19–52 (ISSN 1566-2535, DOI 10.1016/j.inffus.2022.03.009, lire en ligne, consulté le ).
  • (en) Geetha A. V., Mala T., Priyanka D. et Uma E., « Multimodal Emotion Recognition with Deep Learning: Advancements, challenges, and future directions », Information Fusion, vol. 105,‎ , p. 102218 (ISSN 1566-2535, DOI 10.1016/j.inffus.2023.102218, lire en ligne, consulté le ).
  • (en) Nusrat J. Shoumy, Li-Minn Ang, Kah Phooi Seng et D.M.Motiur Rahaman, « Multimodal big data affective analytics: A comprehensive survey using text, audio, visual and physiological signals », Journal of Network and Computer Applications, vol. 149,‎ , p. 102447 (ISSN 1084-8045, DOI 10.1016/j.jnca.2019.102447, lire en ligne, consulté le ).

elsevier.com

linkinghub.elsevier.com

  • (en) Muhammad Najam Dar, Muhammad Usman Akram, Rajamanickam Yuvaraj et Sajid Gul Khawaja, « EEG-based emotion charting for Parkinson's disease patients using Convolutional Recurrent Neural Networks and cross dataset learning », Computers in Biology and Medicine, vol. 144,‎ , p. 105327 (DOI 10.1016/j.compbiomed.2022.105327, lire en ligne, consulté le ).
  • (en) Tilo Kircher, Volker Arolt, Andreas Jansen et Martin Pyka, « Effect of Cognitive-Behavioral Therapy on Neural Correlates of Fear Conditioning in Panic Disorder », Biological Psychiatry, vol. 73, no 1,‎ , p. 93–101 (DOI 10.1016/j.biopsych.2012.07.026, lire en ligne, consulté le ).

handle.net

hdl.handle.net

huffingtonpost.com

  • « Cars May Soon Warn Drivers Before They Nod Off », Huffington Post,‎ (lire en ligne).

iaescore.com

ijece.iaescore.com

ieee.org

ieeexplore.ieee.org

issn.org

portal.issn.org

jamanetwork.com

archpsyc.jamanetwork.com

krcadinac.com

mdpi.com

  • (en) Zhirong Wang, Ming Chen et Guofu Feng, « Study on Driver Cross-Subject Emotion Recognition Based on Raw Multi-Channels EEG Data », Electronics, vol. 12, no 11,‎ , p. 2359 (ISSN 2079-9292, DOI 10.3390/electronics12112359, lire en ligne, consulté le ).
  • (en) Ietezaz Ul Hassan, Raja Hashim Ali, Zain ul Abideen et Ali Zeeshan Ijaz, « Towards Effective Emotion Detection: A Comprehensive Machine Learning Approach on EEG Signals », BioMedInformatics, vol. 3, no 4,‎ , p. 1083–1100 (ISSN 2673-7426, DOI 10.3390/biomedinformatics3040065, lire en ligne, consulté le ).

napier.ac.uk

researchrepository.napier.ac.uk

nih.gov

ncbi.nlm.nih.gov

nviso.ch

psu.edu

citeseerx.ist.psu.edu

qub.ac.uk

pure.qub.ac.uk

  • G. McKeown, M. Valstar, R. Cowie et M. Pantic, « The SEMAINE Database: Annotated Multimodal Records of Emotionally Colored Conversations between a Person and a Limited Agent », IEEE Transactions on Affective Computing, vol. 3, no 1,‎ , p. 5–17 (DOI 10.1109/T-AFFC.2011.20, S2CID 2995377, lire en ligne).

researchgate.net

sagepub.com

journals.sagepub.com

  • (en) Matthew D. Lieberman, Naomi I. Eisenberger, Molly J. Crockett et Sabrina M. Tom, « Putting Feelings Into Words », Psychological Science, vol. 18, no 5,‎ , p. 421–428 (ISSN 0956-7976 et 1467-9280, DOI 10.1111/j.1467-9280.2007.01916.x, lire en ligne, consulté le ).
  • (en) Glenn F. Wilson et Christopher A. Russell, « Real-Time Assessment of Mental Workload Using Psychophysiological Measures and Artificial Neural Networks », Human Factors: The Journal of the Human Factors and Ergonomics Society, vol. 45, no 4,‎ , p. 635–644 (ISSN 0018-7208 et 1547-8181, DOI 10.1518/hfes.45.4.635.27088, lire en ligne, consulté le ).
  • (en) Yilang Peng, « What Makes Politicians' Instagram Posts Popular? Analyzing Social Media Strategies of Candidates and Office Holders with Computer Vision », The International Journal of Press/Politics, vol. 26, no 1,‎ , p. 143–166 (ISSN 1940-1612, DOI 10.1177/1940161220964769, S2CID 225108765, lire en ligne).

scientificamerican.com

seekingalpha.com

  • Chris DeMuth Jr., « Apple Reads Your Mind », M&A Daily, Seeking Alpha,‎ (lire en ligne, consulté le ).

semanticscholar.org

api.semanticscholar.org

sentic.net

  • (en) Erik Cambria et Qian Liu « SenticNet 7: A Commonsense-based Neurosymbolic AI Framework for Explainable Sentiment Analysis » () (lire en ligne)
    — « (ibid.) », dans Proceedings of LREC, p. 3829–3839    .

tandfonline.com

techcrunch.com

uspto.gov

pdfpiw.uspto.gov

uws.ac.uk

myresearchspace.uws.ac.uk

visagetechnologies.com

web.archive.org

worldcat.org