通过单模式EEG提高跨主体情绪识别精度:一种新的情绪感知器模型

科学领域:

• 情感计算是一种情感计算.
• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 心理学 心理学 心理学

背景情况:

• 情感识别技术正在进步,像电脑电图 (EEG) 这样的生理信号显示出有前途.
• 脑电图信号的个体差异会产生噪音,阻碍准确的情绪识别.
• 由于设备和环境限制,用于EEG的多式联络数据收集存在实际挑战.

研究的目的:

• 开发一种使用单模EEG信号的交叉主体情绪识别模型.
• 在基于EEG的情绪识别中克服个人差异和多式联络数据收集的局限性.
• 提高情感计算的准确性和实际应用性.

主要方法:

• 提出了情绪预感器,一种利用单模电脑电图信号进行跨主体情绪识别的模型.
• 引入静态空间适配器来整合空间信息并减轻EEG数据中的个人差异.
• 采用时间因果网络来提取相关的时间特征,以精确识别情绪.

主要成果:

• 情感预防器在SEED和SEED-V数据集上表现出卓越的性能.
• 验证了一种新的数据处理方法,将差异 (DE) 特性结合在时间序列中.
• 通过生物解释性和神经科学研究分析模型性能.

结论:

• 情绪预测器有效地使用单模电脑电图信号实现精确的情绪识别.
• 提出的方法减少了个体的变化,并提高了情感识别的稳定性.
• 这项研究推动了基于EEG的情绪识别和情感计算应用.