LMSA-Net: EEGベースの感情認識のための軽量マルチスケールアテンションネットワーク

科学分野:

• 感情コンピューティング
• 神経科学
• 機械学習

背景:

• 脳波（EEG）信号は感情認識に重要であるが、非定常性とノイズのために困難である。
• 既存のエンドツーエンドモデルは、実用的な展開のための軽量アーキテクチャで高いパフォーマンスを達成することに困難を抱えている。
• EEG分析における手動の特徴エンジニアリングは複雑で時間がかかる。

研究 の 目的:

• 生EEG信号からの直接的な時空間特徴学習のための、軽量で解釈可能でエンドツーエンドのモデルを開発すること。
• EEGベースの感情認識システムのパフォーマンスと効率を向上させること。
• 感情認識技術のエッジデバイスへの実用的な展開を可能にすること。

主な方法:

• LMSA-Net（Lightweight Multi-Scale Attention Network）アーキテクチャを提案。
• 適応的な空間エンコーディングのための学習可能なチャネル重み付けの統合。
• リズム固有の特徴抽出のためのマルチスケール時間分離可能畳み込みの使用。
• パラメータフリーの顕著性向上のためのSim Attention Moduleの組み込み。

主要な成果:

• SEEDデータセットで最高のパフォーマンス（精度65.53%）を達成し、SEED-IV（精度48.52%）で競争力のある結果を示した。
• DEAPデータセットでの覚醒度分類で強力なパフォーマンスを示し、良好な一般化能力を示唆した。
• 消融研究と周波数分析により各モジュールの有効性を確認し、EEGリズムにおける専門性を示した。
• 最小限のパラメータ（7.64K）と低遅延を備えた軽量設計を示し、エッジデプロイメントに適していることを示した。

結論:

• LMSA-Netは、EEGベースの感情認識のための効率的で解釈可能で高性能なソリューションを提供する。
• モデルの設計は神経生理学の原則に沿っており、リズム固有の特徴を抽出する。
• LMSA-Netの軽量で解釈可能な性質は、感情コンピューティングおよびヒューマンコンピュータインタラクションにおける実用的なアプリケーションを促進する。