一个时空特征融合网络,用于识别情绪,减少个人差异
Benke Liu1, Yongxiong Wang1, Zhe Wang1
1University of Shanghai for Science and Technology, Shanghai 200093, China.
Neuroscience
|February 1, 2025
概括
新的时空情感网络 (TSEN) 通过融合时空特征来改善基于EEG的情感识别. 这种方法有效地减少了个体差异,以实现更准确的跨主体情绪预测.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 情感计算是一种情感计算.
背景情况:
- 基于EEG的情绪识别面临挑战,因为传统时间序列模型的个体可变性和局限性,往往导致跨主题性能不足最佳.
- 传统方法提取和融合空间和时间特征,但在不同主题上难以概括.
研究的目的:
- 提出一个新的网络,时空情感网络 (TSEN),用于增强基于EEG的情感识别.
- 通过有效地融合时空信息来解决跨主体情感识别的局限性.
主要方法:
- TSEN 包含一个卷积块注意模块 (CBAM),用于加权的空间特征提取.
- 使用可切换白化 (SW) 的剩余块来增强网络稳定性和域调整.
- 时间卷积网络 (TCN) 用于高效和准确的时间特征提取,保持轻量级模型.
主要成果:
- 在DEAP数据集上的实验显示,兴奋预测的平均准确性为0.7032 (变异为0.0876) 和F1得分为0.6843.
- 价值预测的准确度为0.6792 (变异为0.0853),F1得分为0.6826.
- 在跨主体情绪预测中,TSEN表现出高准确度和低方差.
结论:
- TSEN有效地减少了EEG中的个体差异,从而提高了跨主体情绪识别的准确性.
- 网络的参数数量较少,可以实现更快的执行,使其在计算上更高效.
- 基于EEG的情绪识别,TSEN提出了一个有前途的方法,以实现强大而高效的基于EEG的情绪识别.
