ACFSENet: エンドツーエンドEEG感情認識のための適応型クロス周波数グローバル疎符号化ネットワーク

科学分野:

• 神経科学
• コンピュータサイエンス
• 人工知能

背景:

• エンドツーエンドの脳波（EEG）ベースの感情認識は、人間のコンピュータインタラクションや感情脳コンピュータインターフェース（aBCI）などのアプリケーションにとって重要です。
• 既存の方法では、クロス周波数ニューラル振動相互作用が見過ごされがちであり、計算コストが高いため、リアルタイムおよびリソースに制約のあるアプリケーションの妨げとなっています。

研究 の 目的:

• 効率的で正確なEEGベースの感情認識のための新しいエンドツーエンドニューラルアーキテクチャ、ACFSENetを開発すること。
• 適応型クロス周波数モデリングとグローバル疎符号化を統合することにより、既存の方法の制限に対処すること。

主な方法:

• ACFSENetは、適応型周波数認識メカニズムを使用して、被験者およびタスク固有の脳ダイナミクスに動的に焦点を当てます。
• 計算コストを削減しながら、長距離の時間依存モデリングを維持するために、時間的蒸留を備えたスパースアテンションメカニズムが組み込まれています。
• モデルは、DEAP、SEED、およびSEED-IVベンチマークデータセットでクロスブロック検証を使用して評価されました。

主要な成果:

• ACFSENetは、EEGベースの感情認識において、最先端の方法と比較して優れたパフォーマンスを示しました。
• 提案されたアーキテクチャは、高い認識精度と計算効率の間に有意なバランスを達成しました。
• 適応型周波数認識メカニズムは、感情的表現の柔軟性を向上させました。

結論:

• ACFSENetは、リアルタイムで効率的なEEGベースの感情認識のための有望なソリューションを提供します。
• 適応型クロス周波数モデリングとスパース符号化の統合は、以前のアプローチの制限を効果的に対処します。
• この研究は、感情コンピューティングと脳コンピュータインターフェースの開発を進歩させます。