基于注意力和时空卷积的EEG情感识别网络

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 人与计算机的交互

背景情况:

• 人类的情绪是复杂的心理生理反应.
• 准确的情感识别对于推进人机交互至关重要.
• 电脑电图 (EEG) 信号为情绪识别提供真实,客观和可靠的数据,吸引了大量的研究兴趣.

研究的目的:

• 解决关于区域间信息交换和时间频率特征提取的当前EEG情感识别方法的局限性.
• 提出一个新的EEG情感识别网络,即自组织图形伪3D卷积网络 (SOGPCN),集成注意力和时空卷积.

主要方法:

• SOGPCN 方法为每个频段构建了一个自我组织的地图,以捕捉电极之间的独特空间关系.
• 图形卷积被用来分析这些自我组织地图中的通道间空间关系.
• 伪三维卷积与部分点产物注意力提取时间EEG特征,LSTM学习上下文信息.

主要成果:

• 在SEED数据集上,SOGPCN方法在情感识别方面取得了高准确性.
• 取决于受试者的实验产生了95.26%的识别准确率.
• 独立于受试者的实验导致识别准确率为94.22%,超过了基线方法.

结论:

• 拟议的SOGPCN方法在基于EEG的情绪识别中表现出卓越的性能.
• 这种新的方法有效地捕捉了复杂的时空动态和区域间大脑信息.
• SOGPCN代表了情感计算和人与计算机交互领域的重大进步.