prikaz prve stranice dokumenta Raspoznavanje kognitivnog opterećenja na temelju fizioloških značajki i strojnog učenja
No public access
master's thesis
Raspoznavanje kognitivnog opterećenja na temelju fizioloških značajki i strojnog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:670675
Pušić, Ante
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Pušić, A. (2023). Raspoznavanje kognitivnog opterećenja na temelju fizioloških značajki i strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:670675

Pušić, Ante. "Raspoznavanje kognitivnog opterećenja na temelju fizioloških značajki i strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:670675

Pušić, Ante. "Raspoznavanje kognitivnog opterećenja na temelju fizioloških značajki i strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:670675

Pušić, A. (2023). 'Raspoznavanje kognitivnog opterećenja na temelju fizioloških značajki i strojnog učenja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 25 August 2024, https://urn.nsk.hr/urn:nbn:hr:168:670675

Pušić A. Raspoznavanje kognitivnog opterećenja na temelju fizioloških značajki i strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 August 25] Available at: https://urn.nsk.hr/urn:nbn:hr:168:670675

A. Pušić, "Raspoznavanje kognitivnog opterećenja na temelju fizioloških značajki i strojnog učenja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:670675

Metadata
TitleRaspoznavanje kognitivnog opterećenja na temelju fizioloških značajki i strojnog učenja
Title (english)Cognitive load recognition based on physiological features and machine learning
AuthorAnte Pušić
MentorSiniša Popović (mentor)
Committee memberSiniša Popović (predsjednik povjerenstva)
Committee memberAlan Jović (član povjerenstva)
Committee memberNikolina Frid (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-07-07, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Kognitivno opterećenje odnosi se na opterećenje koje čovjekov kognitivni sustav snosi vršeći zadatak. Ovaj rad opisuje metodologiju za prepoznavanje kognitivnog opterećenja temeljenu na strojnom učenju, koja koristi fiziološke signale prikupljene neinvazivnim metodama prikladnim za uporabu u praksi. Postupak prikupljanja i odabira podataka te sama metodologija detaljno su opisani, a efikasnost metodologije je iscrpno vrednovana i uspoređena sa srodnim radovima u znanstvenom polju. Rezultati potvrđuju njihova otkrića u prepoznavanju kognitivnog opterećenja i razlikovanju njegovih različitih razina te donose nove spoznaje o predikciji subjektivnih procjena kognitivnog opterećenja.
Abstract (english)
Cognitive load refers to the load put on a person’s cognitive system when performing a task. This thesis describes a machine-learning based methodology for cognitive load recognition that utilizes physiological signals gathered with non-invasive methods suitable for real-life use. The data acquisition and selection procedure and the methodology itself are described in detail, and the efficacy of the methodology is exhaustively evaluated and compared against related work in the field of study. The results corroborate their findings in recognizing cognitive load and distinguishing between different levels thereof, and provide new insights on predicting subjective cognitive load assessments.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:670675
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-10-11 10:15:45