基于EEG的情绪识别使用时间差异最小化神经网络
Xiangyu Ju1, Ming Li1, Wenli Tian1
1College of Intelligence Science and Technology, National University of Defense Technology, Changsha, China.
Cognitive neurodynamics
|May 3, 2024
概括
这项研究引入了一种新的时差最小化神经网络 (TDMNN) 用于电脑电图 (EEG) 情感识别. TDMNN有效地利用了对缓慢情绪变化的先验知识,改进了人机交互系统.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 电脑电图 (EEG) 情绪识别对于推进人机交互至关重要.
- 当前的算法很难有效地利用情绪活动模式随着时间的推移.
- 众所周知,情绪会逐渐变化,而这种特征在现有模型中往往未得到充分利用.
研究的目的:
- 提出一种新的神经网络架构,用于增强EEG情绪识别.
- 将对情绪状态缓慢时间变化的先前知识纳入模型.
- 为了提高EEG信号情绪识别的效率和准确性.
主要方法:
- 开发了一个时间差异最小化的神经网络 (TDMNN).
- 使用最大平均差异 (MMD) 来量化EEG特征的时间差异.
- 利用多分支卷积循环网络来最大限度地减少这些时间差异.
主要成果:
- 在多个基准数据集 (SEED,SEED-IV,DEAP,DREAMER) 上实现了最先进的性能.
- 证明了整合有关情绪缓慢时间动态的先前知识的有效性.
- TDMNN显著提高了基于EEG的情绪识别准确度.
结论:
- 预先了解缓慢的情绪变化对于EEG情绪识别是非常有益的.
- 拟议的TDMNN为分析时间EEG数据提供了一种强大的新方法.
- 这项工作推进了情感计算和人与计算机交互的领域.
