CLDAE: Un marco de dos etapas para el reconocimiento de emociones basado en EEG que combina aprendizaje contrastivo y...

Área de la Ciencia:

• Neurociencia
• Aprendizaje automático
• Ingeniería biomédica

Sus antecedentes:

• El reconocimiento de emociones basado en electroencefalograma (EEG) enfrenta desafíos en la generalización entre sujetos y la personalización dentro del sujeto.
• Los modelos existentes a menudo requieren datos personalizados extensos o luchan por adaptarse a las firmas neuronales individuales.

Objetivo del estudio:

• Proponer un marco novedoso de reconocimiento de emociones basado en EEG, CLDAE, que aborde las limitaciones de generalización y personalización.
• Integrar el aprendizaje contrastivo y un mecanismo de extracción de características de doble atención para mejorar el rendimiento.

Principales métodos:

• El marco CLDAE implica dos etapas: preentrenamiento de aprendizaje contrastivo y ajuste fino de reconocimiento de emociones.
• Utiliza aumento de datos con señales de EEG entre sujetos para el preentrenamiento.
• Emplea un codificador de doble atención que combina atención temporal y de canal para la extracción de características.

Principales resultados:

• CLDAE logró un rendimiento competitivo en tareas de reconocimiento de emociones tanto dentro del sujeto como entre sujetos.
• Demostró una alta precisión en el conjunto de datos MAN: 95,12% para el reconocimiento dentro del sujeto y 75,29% para el reconocimiento entre sujetos.
• Superó a los métodos de referencia en la precisión del reconocimiento de emociones.

Conclusiones:

• El marco CLDAE propuesto mejora eficazmente el reconocimiento de emociones basado en EEG.
• La integración de aprendizaje contrastivo y mecanismos de doble atención resulta beneficiosa tanto para la personalización como para la generalización.