基于使用EEG的时间卷积注意力网络的音乐情感识别

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 音乐心理学 音乐心理学

背景情况:

• 音乐强烈地唤起情绪,但主观的解释使情绪识别复杂化.
• 准确的音乐情绪识别对于识别情绪障碍至关重要.

研究的目的:

• 开发一种基于脑电图 (EEG) 的模型,用于客观地识别音乐情绪.
• 通过分析时间EEG特征和自我注意力机制来增强情绪识别.

主要方法:

• 使用四种音乐类型创建了一个EEG数据集:恐惧,快乐,平静和悲伤.
• 提取了微分特征,并使用了CNN-SA-BiLSTM模型来提取时间特征.
• 利用自我注意力机制来提高识别性能,并通过废除研究进行验证.

主要成果:

• 实现了 93.45% 的价值和 96.36% 的兴奋的分类准确度.
• 在公开的DEAP EEG数据集上证明了模型的概括性和可靠性.
• 证实了不同EEG波段对音乐情绪识别的影响,与神经科学发现保持一致.

结论:

• 开发的CNN-SA-BiLSTM模型提供了卓越的音乐情感分类性能.
• 这一框架显示了未来基于脑-计算机接口的情感识别系统的巨大潜力.