TSCL-LwF：マルチスケールCNNと増分学習戦略による被験者間感情認識モデル

科学分野:

• 情動コンピューティング
• ヒューマンコンピュータインタラクション
• 生体信号処理

背景:

• ウェアラブル情動ヒューマンコンピュータインタラクションには、快適で疎チャネルな脳波（EEG）信号が必要です。
• 限定的なEEG情報と被験者間のばらつきは、被験者間感情認識の課題となります。

研究 の 目的:

• 疎チャネルEEGを使用した堅牢な被験者間感情認識モデルを開発すること。
• 感情認識における疎データと個人差の限界に対処すること。

主な方法:

• マルチスケール畳み込みネットワーク（TSCL）と忘却なし学習（LwF）を組み合わせたTSCL-LwFモデルを提案しました。
• TSCLは、疎チャネルEEGから空間時間的特徴を抽出します。
• LwF戦略は、ソースドメインの知識を保持しながらターゲットドメインデータに適応します。

主要な成果:

• DEAPデータセットで、感情価分類で77.26％、覚醒度分類で80.12％の精度を達成しました。
• 自社収集のEPPVRデータセットで優れたパフォーマンスを示しました。

結論:

• 疎チャネルEEGを使用した被験者間感情認識は可能です。
• これにより、感情認識のための実用的なウェアラブルEEG技術の開発が促進されます。