TSCL-LwF: Un modelo de reconocimiento de emociones entre sujetos mediante CNN multiescala y estrategia de aprendizaje...

Área de la Ciencia:

• Computación Afectiva
• Interacción Humano-Computadora
• Procesamiento de Señales Biomédicas

Sus antecedentes:

• La interacción humano-computadora afectiva portátil requiere señales de electroencefalografía (EEG) cómodas y de canal disperso.
• La información limitada del EEG y la variabilidad entre sujetos plantean desafíos para el reconocimiento de emociones entre sujetos.

Objetivo del estudio:

• Desarrollar un modelo robusto de reconocimiento de emociones entre sujetos utilizando EEG de canal disperso.
• Abordar las limitaciones de los datos dispersos y las diferencias individuales en el reconocimiento de emociones.

Principales métodos:

• Se propuso el modelo TSCL-LwF que combina una red convolucional multiescala (TSCL) y Aprendizaje sin Olvidar (LwF).
• TSCL extrae características espacio-temporales del EEG de canal disperso.
• La estrategia LwF se adapta a los datos del dominio de destino al tiempo que conserva el conocimiento del dominio de origen.

Principales resultados:

• Logró una precisión del 77,26 % para la clasificación de valencia y del 80,12 % para la de excitación en el conjunto de datos DEAP.
• Demostró un rendimiento superior en un conjunto de datos EPPVR recopilado por el propio centro.

Conclusiones:

• El reconocimiento exitoso de emociones entre sujetos utilizando EEG de canal disperso es factible.
• Esto facilita el desarrollo de tecnologías portátiles de EEG prácticas para el reconocimiento de emociones.