CV-EEGNet:エンドツーエンドのEEGベースの感情認識のためのコンパクトな複合評価コンボーションネットワーク

科学分野:

• 神経科学は神経科学である.
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• シグナル処理 信号処理

背景:

• 電気脳波 (EEG) ベースの感情認識は,一般的に実値ニューラルネットワークを使用し,主に時間振幅領域に焦点を当てています.
• これらの実値ネットワークは,EEG信号に固有の重要な周波数,相,振幅の特性を完全に捉えることができず,感情の解読精度を制限する可能性があります.
• 振幅相結合とスペクトル構造は,EEGデータからの効果的な感情認識に不可欠です.

研究 の 目的:

• 複雑な値のニューラルネットワークをEEGベースの感情認識に初めて導入する.
• 複雑な値の表現を活用するために設計された新しいエンドツーエンドアーキテクチャ,複合値のEEGNet (CV-EEGNet) を提案する.
• 感情の解読を改善するために複雑な信号特性をキャプチャするCV-EEGNetの可能性を調査する.

主な方法:

• 原始的なEEG信号は,高速フーリエ変換を用いて複雑な値のスペクトルに変換されます.
• CV-EEGNetのアーキテクチャは,複雑な値のスペクトル,空間,および深さで分離可能なコンボリューションモジュールを採用しています.
• これらのモジュールは,周波数構造,空間トポロジー,意味表現を抽出しながら,幅度・相関係を維持し,その後に複雑な値の分類器を付与します.

主要な成果:

• SEED (3クラス) とSEED-IV (4クラス) のデータセットに関する実験は,提案されたCV-EEGNetメソッドの有効性を実証しました.
• t-SNEの可視化は,複雑な値のネットワークによって学習された表現の強化された識別性を確認しました.
• 結果は,既存の実値アプローチと比較して優れたパフォーマンスを示しています.

結論:

• 複雑な値のニューラルネットワークは,原始信号のEEGベースの感情認識の有意な可能性を示しています.
• 提案されたCV-EEGNetアーキテクチャは,より正確な感情の解読のために,振幅相情報を効果的に利用しています.
• この研究は,感情的コンピューティングと脳コンピュータインターフェイスにおける複雑な値モデルを活用するための新しい道を開きます.