EESCN:一种基于EEG的情绪识别神经网络新的尖端神经网络方法
FeiFan Xu1, Deng Pan1, Haohao Zheng1
1Hangzhou Dianzi University, School of Computer Science and Technology, HangZhou, ZheJiang, China.
Computer methods and programs in biomedicine
|November 24, 2023
概括
一种名为Emo-EEGSpikeConvNet (EESCN) 的新方法显著提高了脑电图 (EEG) 情绪识别的准确性和效率. 这种尖端神经网络方法为实际应用提供了更好的生物解释性和稳定性.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 现有的人工神经网络在生物解释性和电脑电图 (EEG) 情感识别的稳定性方面存在局限性.
- 需要取得进展,以提高基于EEG的情绪识别系统的效率和性能.
研究的目的:
- 开发一种高效和高性能的方法来使用EEG进行情绪识别.
- 为了提高EEG情绪识别的生物解释性和稳定性.
主要方法:
- 提出了Emo-EEGSpikeConvNet (EESCN),这是一种使用尖端神经网络 (SNN) 的新方法.
- 开发了一个神经形态数据生成模块,将EEG数据转换为2D格式.
- 使用NeuroSpiking框架从EEG中提取时空特征进行分类.
主要成果:
- 在DEAP数据集上达到94.56%-94.81%,在SEED-IV数据集上达到79.65%.
- 与用于EEG情绪识别的现有SNN方法相比,表现出显著的性能改善.
- EESCN 显示出更快的运行速度和更小的内存足迹.
结论:
- 在基于EEG的情绪识别中,EESCN表现出了卓越的性能和效率.
- 该方法显示了可移植性和资源限制的实际应用的潜力.
- 开发的方法推进了用于情绪检测的大脑计算机接口的领域.
