DAST:一个域自适应性学习,结合空间时间动态注意力,用于脑电图,情绪识别

科学领域:

• 情感计算是一种情感计算.
• 神经科学是一个神经科学.
• 机器学习 机器学习

背景情况:

• 使用脑电图 (EEG) 的多式情绪识别是普遍存在的.
• 现有的研究主要集中在感知到的情绪上,忽视诱导的情绪,阻碍对双向情绪反应的全面理解.

研究的目的:

• 为基于EEG的情感识别提出一种新的多式联络领域适应方法 (DAST),将音乐作为情感刺激集成在一起.
• 在情感计算中弥合诱导和感知情绪之间的差距.

主要方法:

• 开发了DAST方法,利用时空适应性注意力 (STA注意力) 进行全球EEG建模.
• 使用自适应空间编码器 (ASE) 进行嵌入的动态高维映射.
• 使用域区分辨器和ASE实现对抗训练,以学习不变的情感表示.

主要成果:

• 在DEAP数据集上进行了广泛的实验.
• 通过DAST方法,他们更有能力探索诱导情绪 (来自音乐) 和感知情绪 (来自EEG) 之间的关系.

结论:

• 拟议的DAST方法提供了一种可靠的方法来研究EEG信号和音乐引起的情绪之间的相关性.
• 这项研究有助于更深入地了解情感计算中的双向情感动态.