在多通道EEG信号中通过时空变压器识别音乐唤起的情绪

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 信号处理 信号处理

背景情况:

• 情绪识别对于理解人类行为和诊断神经系统疾病至关重要.
• 电脑电图 (EEG) 信号提供了一种非侵入性的情绪检测方法.
• 从多通道EEG信号中精确地提取特征仍然是自动化情绪识别的挑战.

研究的目的:

• 提出一种新的变压器模型,用于从多通道EEG信号中识别情绪.
• 通过直接处理原始EEG数据来解决卷积神经网络的局限性.
• 在EEG信号中有效捕获空间和时间信息.

主要方法:

• 开发了一个新的变压器模型,直接处理原始EEG信号.
• 该模型使用两个不同的道来分别分析空间和时间EEG数据.
• 从20名听音乐的受试者收集了EEG录音,用于实验验证.

主要成果:

• 拟议的变压器模型实现了97.3%的准确性对二元 (正/负) 情绪分类.
• 该模型在三元 (正/负/中性) 情绪分类方面达到97.1%的准确性.
• 对比实验表明,与最先进的技术相比,性能优越.

结论:

• 开发的变压器模型在基于EEG的情绪识别中显示出高效率.
• 该方法为人机交互中的应用提供了一个有前途的工具.
• 这种方法在神经科学中推进了自动化情绪分析领域.