基于EEG的情感识别中的深度学习的全面审查:分类,趋势和实际影响
Weizhi Ma1, Yujia Zheng1, Tianhao Li1
1School of Information Science and Technology, North China University of Technology, Beijing, China.
PeerJ. Computer science
|June 10, 2024
概括
深度学习增强了基于电脑电图 (EEG) 的情绪识别,用于人机交互. 本综述系统地对EEG情绪识别方法及其应用进行了分类,为研究人员提供了清晰的概述.
科学领域:
- 神经科学和人工智能 人工智能
- 人与计算机的交互
背景情况:
- 使用脑电图 (EEG) 信号的情绪识别对于先进的人机交互至关重要.
- 深度学习技术已经成为分析EEG信号以识别情绪的核心.
- 现有的审查缺乏全面的分类和详细的应用分析.
研究的目的:
- 系统地分类基于EEG的情绪识别的最新进展.
- 提供对各种方法和研究轨迹的清晰理解.
- 突出EEG情绪识别的实际含义和应用潜力.
主要方法:
- 系统的文献审查和深度学习模型对EEG情绪识别的分类.
- 分析针对特定研究方向的不同建模方法.
- 综合实际应用和该领域的未来趋势.
主要成果:
- 介绍了基于EEG的情绪识别技术的全面分类.
- 为不同的研究方向阐明了不同的建模方法的必要性.
- 综合了深刻的实际含义和有前途的未来应用.
结论:
- 深度学习显著提升了基于EEG的情绪识别.
- 一个结构化的分类澄清了该领域的景观和方法.
- 这项研究强调了EEG在情绪识别方面的实际价值和未来潜力.
更多相关视频
08:22Author Spotlight: Advancing the Study of Brain-Heart Interplay with a Comprehensive EEGLAB Plugin for Multimodal Signal Analysis
Published on: April 26, 2024
1.8K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.7K
