BISNN:生物信息融合尖端神经网络,用于增强基于EEG的情感识别
Hongze Sun1, Shifeng Mao1, Wuque Cai1
1The Clinical Hospital of Chengdu Brain Science Institute, MOE Key Lab for NeuroInformation, China-Cuba Belt and Road Joint Laboratory on Neurotechnology and Brain-Apparatus Communication, School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, 611731 China.
Cognitive neurodynamics
|March 25, 2025
概括
这项研究引入了一种新的生物信息融合尖端神经网络 (SNN),用于改进基于EEG的情感识别. 这种新模式有效地利用SNN.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 尖端神经网络 (SNN) 显示出基于EEG的情绪识别的希望,因为它们的时空动态.
- 传统的培训方法难以充分利用SNN在EEG数据分析方面的能力.
研究的目的:
- 提出一种新的生物信息融合SNN (BISNN) 模型,以增强基于EEG的情绪识别.
- 提高SNN在分析复杂的EEG信号以检测情绪方面的有效性.
主要方法:
- 将生物学上可信的内在参数纳入尖端神经元.
- 初始化了BISNN模型与结构上相当于预先训练的ANN模型.
- 开发了一个生物信息融合损失函数,用于在双重约束下同时训练.
主要成果:
- 在基准基于EEG的情绪识别数据集上,BISNN模型取得了竞争性表现.
- 与现有的最先进的方法相比,已证明有效性.
- 废弃性研究证实了各种组件对模型性能的贡献.
结论:
- 拟议的BISNN模型为基于EEG的情绪识别提供了显著的进步.
- 这些发现与之前的研究一致,验证了模型的基本机制.
更多相关视频
05:51Exploring the Use of Isolated Expressions and Film Clips to Evaluate Emotion Recognition by People with Traumatic Brain Injury
Published on: May 15, 2016
8.9K
11:15Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy
Published on: June 27, 2013
33.6K