IF-MMCL:主体間の感情認識のための多視野と多モデルの対照的な学習を持つ個人に焦点を当てたネットワーク

科学分野:

• 神経科学
• コンピュータ科学
• 機械学習

背景:

• 電気脳図 (EEG) は,感情認識における脳コンピュータインターフェース (BCI) 研究において極めて重要です.
• 効果的な感情識別モデルには,EEGデータからマルチビューの特徴抽出が必要です.
• 課題は,多機能の相互作用と感情認識モデルのドメイン適応です.

研究 の 目的:

• 感情認識のための革新的なネットワーク"IF-MMCL"を提案します
• マルチモダル,マルチビューデータを用いて,多機能の相互作用とドメインの適応に取り組む.
• 特に限られたデータで,BCI研究におけるモデルの一般化を改善する.

主な方法:

• 開発したIF-MMCLは,マルチビュー表示でマルチモダルのデータを活用する個人中心のネットワークです.
• モデルの一般化を強化するために,個人に焦点を当てた対比的な学習を活用した.
• マルチビュー機能抽出とマルチ機能関係計算のための多様な構造を採用した.

主要な成果:

• IF-MMCLを4つのパブリック・エモーション・データセットで検証し,様々な分類作業を行いました.
• 過去の方法と比較して 1人の被験者を排除した実験で優れたパフォーマンスを示した.
• 限られたデータでモデルの一般化が改善されました.

結論:

• IF-MMCLは,EEGベースの感情認識における多機能の相互作用とドメインの適応を効果的に処理します.
• 提案されたネットワークは,BCIアプリケーションのモデルの一般化を大幅に強化します.
• IF-MMCLは 限られた被験者のデータを用いた 感情認識の有望な進歩です