摘要
靜坐能促進心理健康已廣為人知。為了能增強靜坐練習的效益，以及其所引發的狀態，對靜坐經驗進行量化評估是需要的。本論文分三個階段呈現評估靜坐經驗的方式。第二章以統計資訊呈現不同靜坐經驗者的表現。第三章以透過情緒刺激的生理反應分類靜坐經驗。第四章展示了可在靜坐時分析的評估器。首先，本論文應用統計分析，得到不同靜坐經驗者，對於視覺化情緒刺激有不同的生理反應。實驗結果顯示，在視覺化情緒刺激時，資深靜坐者低頻腦波增強，而資淺靜坐者則是高頻腦波增強。透過相關性分析，發現在視覺化情緒刺激時，資淺靜坐者從靜坐狀態轉變至非放鬆狀態，而資深靜坐者可維持在靜坐狀態。實驗結果證實，規律靜坐可以促進情緒穩定性。且依據視覺化情緒刺激時的生理反應，是辨別長時間靜坐效益的方法。
基於統計分析的結果，人工智能科技支持向量機(support vector machine)與分類回歸樹(classification and regression tree)被應用做為分類器，進行三組靜坐經驗的分類。實驗結果顯示，支持向量機有較高的分類準確性(98%)相對於分類回歸樹(79%)。且進行強健性測試時，支持向量機表現出較高的穩定性。因此，依據視覺化情緒刺激時的生理反應，支持向量機可以評估靜坐經驗。透過實驗結果也間接證實，資深靜坐者可維持在內心平靜的狀態。
至於，要進一步發展即時靜坐經驗評估，則需要考慮在靜坐時的腦α波變化。類神經網路(artificial neural network)及支持向量機，被用來建構即時靜坐經驗評估器。結果顯示，類神經網路及支持向量機有超過98%的分類準確性。實驗數據反應出，採用後傳導方式訓練的類神經網路，有很小的機會(2%)停留在局部極小值。而支持向量機的表現與特徵值的比例轉換有關，但是類神經網路的表現則不受特徵值的比例轉換影響。進行即時靜坐經驗評估時，較長的分析時間與較短的更新時間可以增強分類器的準確性。因此，以人工智能為基礎的評估系統(類神經網路及支持向量機)，可以在靜坐時，即時評估使用者的靜坐經驗。
| 獎項日期 | 2015 |
|---|---|
| 原文 | ???core.languages.zh_TW??? |
| 監督員 | Chih-Lung Lin (Supervisor) |