STSNet:一个新的时空频谱网络,用于独立于主体的基于EEG的情感识别
Rui Li1, Chao Ren1, Sipo Zhang1
1Gansu Provincial Key Laboratory of Wearable Computing, School of Information Science and Engineering, Lanzhou University, Lanzhou, 730000 Gansu China.
Health information science and systems
|June 2, 2023
概括
这项研究介绍了STSNet,这是一种使用电脑电图 (EEG) 信号进行情绪识别的新型网络. STSNet有效地融合了空间,时间和光谱数据,显著提高了情绪分类的准确性.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 来自电脑电图 (EEG) 信号的情绪识别在创建全面的数据表示方面面临挑战.
- 现有的方法往往侧重于有限的特征融合 (空间-时间或空间-光谱),忽视了EEG数据领域的全部潜力.
研究的目的:
- 提出一个端到端的网络,STSNet,它整合了来自EEG信号的空间,时间和光谱特征,以增强情绪识别.
- 通过利用不同EEG信号领域的互补性来解决以前方法的局限性.
主要方法:
- 开发了STSNet,这是一个结合ManifoldNet和双向长短期存储器 (BiLSTM) 网络的架构.
- 在多重空间中构建了新的4D时空光谱和时空数据表示.
- 在DEAP和DREAMER数据集上采用了独立于主体的离开一个主体的交叉验证策略.
主要成果:
- 在情绪识别方面取得了高精度:DEAP数据集 (价值69.38%,唤起71.88%) 和DREAMER数据集 (价值78.26%,唤起82.37%).
- 与现有方法相比,通过有效地融合多域EEG特征,证明了卓越的性能.
结论:
- 拟议的STSNet模型表现出强大而有效的情绪识别能力.
- 在多重空间中整合时空光谱特征是推动基于EEG的情感识别的有希望的方向.
