集体Net-AltSpec:一个集体并发的CNN架构,用于EEG媒体感知和情绪跟踪的替代规格,辅助多域特征增强

科学领域:

• 神经科学和人工智能 人工智能
• 计算神经科学是一种神经科学.
• 认知科学 认知科学

背景情况:

• 大脑-计算机接口的进步需要在分析复杂的大脑数据时提高准确性.
• 了解人类对媒体的感知和情绪反应对于开发复杂的AI系统至关重要.
• 现有的方法经常与电脑电图 (EEG) 记录中发现的复杂模式作斗争.

研究的目的:

• 介绍AltSpec(E3),一种用于分析EEG数据的新型计算架构.
• 在媒体观察期间准确区分大脑感知和情感状态.
• 提高人类大脑活动的可计算性和分析.

主要方法:

• 雇佣了DEAP和SEED数据集中的脑电图 (EEG) 记录.
• 引入了AltSpec ((E3),一个集体和并发的多光谱分析架构.
• 利用空间和时间特色的2D/3D数据结构用于人工智能处理.

主要成果:

• 在DEAP上实现了81.00%的独立于主题的准确率,在SEED上达到68.93%的准确率,用于媒体感知跟踪.
• 在交叉数据集验证中,分类情绪的准确率为61.59% (DEAP) 和66.21% (SEED).
• 获得了高的跨主题验证准确度:81.47% (DEAP) 和88.12% (SEED).

结论:

• AltSpec(E3) 在分析媒体感知和情绪识别的复杂大脑数据方面表现出显著的潜力.
• 多光谱分析方法为神经信息学模式识别提供了一种整体但优化的方法.
• 这项工作为各种应用推进了主体独立的大脑活动分析.