基于变压器的情绪识别与EEG

科学领域:

• 生物医学信号处理
• 神经科学是一个神经科学.
• 人工智能的人工智能

背景情况:

• 通过脑电图 (EEG) 识别情绪对于理解情绪状态至关重要.
• 传统方法通常处理单个EEG通道,限制了时空分析.
• 精确的解码神经相关的情绪对于先进的应用至关重要.

研究的目的:

• 开发一种基于变压器的新型模型,用于从多通道EEG信号中预测价值和兴奋.
• 增强对EEG空间时间动态的分析,以改善情绪识别.
• 在公共数据集上验证模型的性能,以对特定主体的情感解码进行验证.

主要方法:

• 使用了一个定制的变压器架构,旨在同时处理多个EEG通道.
• 实施了针对个性化情绪识别的特定学科培训方法.
• 在DEAP数据集上使用10倍交叉验证验证模型.

主要成果:

• 实现了高预测准确度:92.66%的价值和91.17%的兴奋.
• 证明了模型在EEG中捕捉复杂的时空模式的能力.
• 成功执行特定对象的情绪水平预测.

结论:

• 新的变压器模型提供了一种通过EEG识别情绪的强大而准确的方法.
• 这种方法增强了对情绪神经相关的理解.
• 潜在的应用包括改进的脑计算机接口和人机交互系统.