交叉感官EEG情绪识别与过器银行 里曼尼特征和对抗性域调整
Chenguang Gao1, Hirotaka Uchitomi1, Yoshihiro Miyake1
1Department of Computer Science, Tokyo Institute of Technology, Yokohama 226-8502, Japan.
Brain sciences
|September 28, 2023
概括
这项研究引入了使用脑电图 (EEG) 克服感官限制的情绪识别新框架. 开发的方法在交叉感官情绪识别方面实现了高精度,进步了该领域.
科学领域:
- 神经科学是一个神经科学.
- 情感计算是一种情感计算.
- 机器学习 机器学习
背景情况:
- 识别情绪对于理解人类情绪状态至关重要.
- 脑电图 (EEG) 是一种关键的非侵入性技术,用于分析情绪识别中的大脑活动.
- 目前的EEG系统面临由于感官模式特异性的局限性.
研究的目的:
- 为基于EEG的情感识别开发一个全面的框架,克服了以感官为中心的局限性.
- 解决通过EEG数据识别情绪的交叉感官挑战.
- 提高EEG在各种现实场景中的应用性.
主要方法:
- 采集了使用多式情绪模拟 (音频,视觉,音频视觉) 的交叉感官情绪EEG数据.
- 提出过器银行对抗域适应里曼 (FBADR) 方法用于特征提取.
- 在FBADR框架内利用过器银行技术和里曼的接触空间方法.
主要成果:
- FBADR框架实现了最先进的交叉感官情绪识别性能,平均准确率为89.01%±5.06%.
- 与传统的里曼方法相比,过器银行和对抗域调整显著提高了准确性.
- 该方法证明了稳定性,在低信号噪声比率 (SNR ≥1dB) 下保持高性能.
结论:
- 拟议的FBADR框架成功克服了以感官为导向的EEG情绪识别的局限性.
- 这项研究为跨感官情绪识别挑战提供了强有力的解决方案.
- 这些发现推动了基于EEG的情绪识别领域的发展,使得更广泛的应用成为可能.
