TSANN-TG:时空注意力神经网络,用于EEG情绪识别的任务特定图形
Chao Jiang1,2, Yingying Dai2, Yunheng Ding2
1School of Communication and Information Engineering, Shanghai University, Shanghai 200444, China.
Brain sciences
|May 25, 2024
概括
这项研究介绍了TSANN-TG,一种用于基于EEG的情绪识别的新神经网络. 它通过有效地整合时间和空间大脑信号特征,显著提高了准确性.
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:
- 基于脑电图 (EEG) 的情感识别对于情感大脑-计算机接口至关重要.
- 现有的方法在有效地从EEG信号中提取和整合时空特征方面面临挑战.
研究的目的:
- 提出TSANN-TG,一种新的神经网络架构,用于增强基于EEG的情绪识别.
- 改进从EEG数据中提取特征和整合时间空间信息.
主要方法:
- 开发了TSANN-TG,一个具有特定任务图的时空注意力神经网络.
- 整合了注意力机制,以在不同的时间尺度上有效地提取特征.
- 利用图形卷积网络,注意通过特定任务的相邻矩阵捕捉动态通道依赖性.
主要成果:
- 在FTEHD和DEAP数据集中,TSANN-TG在准确性和F1得分方面显著改善.
- 与基线算法相比,在四种类型的认知任务中取得了出色的识别结果.
- 废弃研究证实了拟议的架构及其组件的有效性.
结论:
- 该TSANN-TG方法显示了在推进基于EEG的情绪识别方面显著的潜力.
- 时间空间特征的有效整合是提高性能的关键.
- 拟议的架构为未来的情感大脑-计算机接口研究提供了一个有希望的方向.
