HASTF:用于EEG情绪识别的混合注意力时空特征融合网络
Fangzhou Hu1, Fei Wang1, Jinying Bi1
1Faculty of Robot Science and Engineering, Northeastern University, Shenyang, China.
Frontiers in neuroscience
|October 29, 2024
概括
这项研究引入了一种基于EEG的情绪识别的新型混合注意网络,达到98%以上的准确性. 该方法有效地融合了时空特征,增强了情感大脑计算机接口 (aBCI) 应用程序.
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EEG的情绪识别,或情感大脑-计算机接口 (aBCI),是一个不断发展的领域,具有人类-计算机交互和神经科学研究的巨大潜力.
- 提取时空融合特征和开发复杂EEG信号的可解释,准确的学习模型仍然是关键的挑战.
研究的目的:
- 提出一种混合注意力时空特征融合网络,以增强基于EEG的情感识别.
- 提高情感大脑计算机接口 (aBCI) 系统的准确性和可解释性.
主要方法:
- 一个空间注意力特征提取器被设计用于融合浅层和深层特征,适应性地选择不同情绪状态的关键空间信息.
- 一个使用多头注意力机制的时间特征提取器被整合到有效的时空特征融合中.
- 用特征地图可视化空间注意力特征,分析与特定情绪和主题相关的关键通道.
主要成果:
- 拟议的方法实现了最先进的识别准确度:在SEED上达到99.12%,在DEAP激发上达到98.93%,在DEAP价值上达到98.57%.
- 废弃实验证实了每个模块对整体性能的重大影响.
- 空间注意力特征的可视化揭示了与情绪相关的神经模式,与神经学发现保持一致.
结论:
- 混合注意网络有效地提取和融合空间和时间EEG特征,以实现强大的情绪识别.
- 该方法表现出卓越的性能,跨数据集的强大稳定性,以及对现实世界aBCI应用的潜力.
